时间戳

首页 > 解决方案 > C++20 'char8_t' 和我们的旧 'char' 一样吗？

c++ - C++20 'char8_t' 和我们的旧 'char' 一样吗？

问题描述

在 CPP 参考文档中，

我注意到char

字符类型足够大，可以表示任何 UTF-8 八位代码单元（C++14 起）

并且对于char8_t

用于 UTF-8 字符表示的类型，需要足够大以表示任何 UTF-8 代码单元（8 位）

这是否意味着两者是同一类型？还是char8_t有其他一些功能？

标签： c++c++14c++20

解决方案

免责声明：我是char8_t P0482和P1423提案的作者。

在 C++20 中，char8_t是与所有其他类型不同的类型。在 C 的相关提案中，N2653是char8_t一个 typedef，unsigned char类似于现有的 typedefchar16_t和char32_t。

在 C++20 中，char8_t具有与unsigned char. 因此，它具有与 相同的大小（至少 8 位，但可能更大）、对齐和整数转换等级unsigned char，但具有不同的别名规则。

特别是，char8_t没有添加到[basic.lval]p11的类型列表中。[basic.life]p6.4、[basic.types]p2或[basic.types]p4。这意味着，与 不同unsigned char，它不能用于其他类型对象的底层存储，也不能用于检查其他类型对象的底层表示；换句话说，它不能用于给其他类型起别名。char8_t这样做的结果是可以通过指向charor的指针访问类型的对象unsigned char，但char8_t不能使用指向的指针访问charorunsigned char数据。换句话说：

reinterpret_cast<const char   *>(u8"text"); // Ok.
reinterpret_cast<const char8_t*>("text");   // Undefined behavior.

具有这些属性的不同类型的动机是：

  1. 为 UTF-8 字符数据与字符数据提供不同的类型，其编码取决于区域设置或需要单独的规范。

  2. 启用普通字符串文字与 UTF-8 字符串文字的重载（因为它们可能具有不同的编码）。

  3. 确保 UTF-8 数据的无符号类型（char有符号或无符号由实现定义）。

  4. 通过非混叠类型实现更好的性能；优化器可以更好地优化不给其他类型起别名的类型。

推荐阅读