如何在 char8_t 中存储表情符号并在 C++20 中打印出来？

Question

我刚刚听说

char8_t

、

char16_t

和

char32_t

的存在，我正在测试它。当我尝试编译下面的代码时，

g++

抛出以下错误：

error: use of deleted function ‘std::basic_ostream<char, _Traits>& std::operator<<(basic_ostream<char, _Traits>&, char32_t) [with _Traits = char_traits<char>]’
    6 |         std::cout << U'😋' << std::endl;
      |                      ^~~~~

#include <iostream>

int main() {
  char32_t c = U'😋';

  std::cout << c << std::endl;

  return 0;
}

另外，为什么我不能把表情符号变成

char8_t

或

char16_t

？例如，以下代码行不起作用：

char16_t c1 = u'😋';
char8_t c2 = u8'😋';
auto c3 = u'😋';
auto c4 = u8'😋';

根据我的理解，表情符号是 UTF-8 字符，因此应该适合

char8_t

.

Answer 1

表情符号是 UTF-8 字符

没有“UTF-8字符”这样的东西。

有 Unicode 代码点。这些可以用 UTF-8 编码表示，这样每个代码点都映射到一个或多个 UTF-8 代码单元的序列：

char8_t

s。但这意味着大多数代码点映射到多个

char8_t

s：AKA，一个字符串。表情符号不在映射到单个 UTF-8 代码单元的 127 个代码点中。

表情符号尤其可以由 多个 代码点构建，因此即使使用 UTF-32，您也不能保证任何表情符号都可以存储在单个

char32_t

代码点中。

最好始终将这些东西视为字符串，而不是字符。忘记“字符”甚至存在。

Answer 2

当我尝试编译下面的代码时，g++ 抛出以下错误：

narrow 和 wide 标准流所期望的编码是依赖于实现的，也可能取决于你最终打印到的终端。如果要分别打印为

char

或

wchar_t

，则需要将字符转换为

std::cout

或

std::wcout

类型的正确编码。

另外，为什么我不能把emoji 放到char8_t 或char16_t 中？例如，以下代码行不起作用：

表情符号是 unicode 代码点 U+1F60B，在 UTF-8 和 UTF-16 编码中都需要多个代码单元。但是你正试图形成一个 character literal，它只包含 one 代码单元。

据我了解，表情符号是 UTF-8 字符 [...]

这没有意义。 UTF-8 是 unicode 代码点的编码。说一个字符“是 UTF-8”是没有意义的。这表明您可能对 Unicode 和字符/字符串编码的一般工作方式存在根本性的误解。我建议您阅读有关该主题的一些介绍。

Answer 3

这个有效

#include <iostream>

int main() {
  const char* c = "😋";

  std::cout << c << std::endl;

  return 0;
}

解释。

1. 😋 是一个多字节序列，不适合单个

   char

   。因此应该使用

   const char*

   。
2. 默认的源文件编码是UTF-8，因此Unicode字符只能在UTF-8编码中使用。对于

   char32_t

   它应该写成

   U'\x1F60B'

   .

3. operator<<(std::basic_ostream)

   删除

   char8_t

   ,

   char16_t

   和

   char32_t

   .