C++23：char 现在支持 Unicode？

Question

C++23 现在是否在其基本

char

类型中提供对 Unicode 字符的支持，支持到什么程度？

---

所以字符文字的cppreference，字符文字：

'c-char'

定义为：

• a

  basic-c-char

• 转义序列，如转义序列中所定义
• 通用字符名称，如转义序列中定义

然后对于

basic-c-char

，它的定义是：

基本源字符集（C++23 之前）翻译字符集（C++23 起）中的字符，单引号

'

、反斜杠

\

或换行符除外

在 cppreference 的字符集页面，它定义了“翻译字符集”，由以下内容组成：

• 每个抽象字符在 Unicode 代码空间中分配一个代码点，并且（C++23 起）
• 每个 Unicode 标量值的不同字符未分配给抽象字符。

并指出：

翻译字符集是基本字符集和基本文字字符集的超集（见下文）。

在我看来，“基本字符集”（在上一页给出）基本上是 ASCII 的子集。我也一直认为

char

就是 ASCII（支持 ISO-8859 字符集，例如每个 Microsoft 关于字符类型的页面）。但现在随着

basic-c-char

翻译字符集的改变，似乎它在某种程度上支持了Unicode。

我知道实际的编码是实现定义的（除了空字符和递增的十进制数字字符之外）。但我的主要问题是这个“翻译字符集”真正支持哪些字符？都是Unicode吗？我觉得我读到的内容比实际情况要多。

Answer 1

这个“翻译字符集”真正支持哪些字符？

正如您已经引用的那样（我将引用最新的 C++ 标准草案）：

[lex.charset]

翻译字符集由以下元素组成：

• 每个抽象字符在 Unicode 代码空间中分配一个代码点，并且
• 每个 Unicode 标量值的不同字符未分配给抽象字符。

让我们查找规则中使用的术语的定义（引自 Unicode 14）：

第一点：

字符和编码

抽象特征：用于组织的信息单位， 控制，或文本数据的表示。

• 在表示数据时，该数据的性质通常是象征性的，而不是其他类型的数据（例如，听觉或 视觉的）。此类符号数据的示例包括字母、表意文字、 数字、标点符号、技术符号和标志。
• 抽象字符没有具体形式，不应与字形混淆。
• 抽象字符不一定对应于用户所认为的“字符”，并且不应与字素混淆。
• 由 Unicode 标准编码的抽象字符称为 Unicode 抽象字符。
• 不直接由 Unicode 标准编码的抽象字符通常可以通过使用组合字符序列来表示

第二点：

Unicode 编码形式

Unicode 标量值：除高代理和低代理代码点之外的任何 Unicode 代码点。

• 作为此定义的结果，Unicode 标量值集由 范围为 0 至 D7FF 16 和 E000 16 至 10FFFF 16（含）。

C++ 标准也有一个澄清说明：

[注1： Unicode 代码点是 [0, 10FFFF] 范围内的整数 （十六进制）。代理代码点是 [D800, DFFF]（十六进制）。 Unicode 标量值是任何代码点 不是代理代码点。 — 尾注]

---

都是Unicode吗？

TLDR：不。例如。代理代码点和组合字符序列不在翻译字符集中。

---

附注C++ 标准从未禁止

char

文字中的 Unicode；此更改只是强制要求 Unicode 支持。