4

我无法理解它在 c++ 标准中的含义：

任何不在基本源字符集 (2.3) 中的源文件字符都将替换为指定该字符的通用字符名。（实现可以使用任何内部编码，只要在源文件中遇到的实际扩展字符，以及在源文件中表示为通用字符名称的相同扩展字符（即，使用 \uXXXX 表示法）是等效处理，除非此替换在原始字符串文字中恢复。）

据我了解，如果编译器看到字符不在基本字符集中，它只是用这种格式的字符序列替换它'\uNNNN'或'\UNNNNNNN'。但我不知道如何获得这个 NNNN 或 NNNNNNNN。所以这是我的问题：如何进行转换？

4

3 回答 3

3

请注意前面的句子，其中指出：

如有必要，物理源文件字符以实现定义的方式映射到基本源字符集（为行尾指示符引入换行符）。

也就是说，编译器如何实际解释构成文件的字符或字节完全取决于编译器。在进行这种解释时，它必须决定哪些物理字符属于基本源字符集，哪些不属于。如果一个角色不属于，则将其替换为通用角色名称（或者至少，效果就像它已经完成一样）。

这样做的目的是将源文件减少到一个非常小的字符集——基本源字符集中只有 96 个字符。任何不在基本源字符集中的字符都已替换为\、u或U以及一些十六进制数字 ( 0- F)。

通用字符名称是以下之一：

\uNNNN
\UNNNNNNNN

其中每个N都是十六进制数字。这些数字的含义在 §2.3 中给出：

由universal-character-name 指定的字符\UNNNNNNNN是ISO/IEC 10646 中字符短名称为的字符NNNNNNNN；Universal-character-name 指定的字符\uNNNN是 ISO/IEC 10646 中字符短名称为 的字符0000NNNN。如果通用字符名称的十六进制值对应于代理代码点（在0xD800-<code>0xDFFF 范围内，包括在内），则程序格式错误。

ISO/IEC 10646 标准起源于 Unicode 之前并定义了通用字符集 (UCS)。它将代码点分配给字符并指定这些代码点应如何编码。Unicode 联盟和 ISO 小组随后联手致力于 Unicode。Unicode 标准比 ISO/IEC 10646 规定的要多得多（算法、功能字符规范等），但现在这两个标准保持同步。

因此，您可以将NNNNorNNNNNNNN视为该字符的 Unicode 代码点。

例如，考虑源文件中包含以下内容的一行：

const char* str = "Hellô";

由于 ô 不在基本源字符集中，因此该行在内部被翻译为：

const char* str = "Hell\u00F4";

这将给出相同的结果。

您的代码中只有某些部分允许使用通用字符名称：

于 2013-03-09T14:42:17.590 回答
2

但我不知道如何获得这个 NNNN 或 NNNNNNNN。所以这是我的问题：如何进行转换？

映射是实现定义的（例如，§2.3 脚注 14）。例如，如果我将以下文件另存为 Latin-1：

#include <iostream>

int main() {
    std::cout << "Hallö\n";
}

并g++在 OS X 上编译它，运行后我得到以下输出：

Hell�

…但如果我将它保存为 UTF-8，我会得到这个：

Hellö

因为 GCC 假定 UTF-8 作为我系统上的输入编码。

其他编译器可能会执行不同的映射。

于 2013-03-09T15:10:47.323 回答
1

因此，如果您的文件被调用Hello°¶.c，编译器将在内部使用该名称时，例如，如果我们这样做：

cout << __FILE__ << endl;

编译器将转换Hello°¶.c为Hello\u00b0\u00b6.c.

但是，当我尝试使用它时，g++它并没有这样做......

但汇编器输出包含：

.string "Hello\302\260\302\266.c"
于 2013-03-09T14:17:52.607 回答