C++ Unicode在C++；11?

我听说C++11支持Unicode。关于这一点，有几个问题：

< C++标准库支持Unicode的情况如何？<李>

• std:：string

  是否做了它应该做的事情
• 我如何使用它
• 潜在问题在哪里

C++11有几个用于Unicode的选项

---

不幸的是，标准库中对非统一编码（如UTF-8）的支持仍然很差。例如，没有很好的方法来获取UTF-8字符串的长度（以代码点为单位）。

您可以安全地将UTF-8存储在

std:：string

（或

char[]

或

char*

中，因为Unicode NUL（U+0000）是是UTF-8中的空字节，这是UTF-8中出现空字节的唯一方式。因此，UTF-8字符串将根据所有的C和C++字符串函数正确终止，并且可以用C++ iOFFROW（包括<代码> STD::CUT和 STD::CURR < /C> >，只要您的区域是UTF-8）。p> 对于UTF-8，您不能使用

std:：string

获取代码点中的长度

std:：string:：size（）

将以字节为单位告诉您字符串长度，这仅等于UTF-8的ASCII子集内的代码点数

---

如果您需要在级别上操作UTF-8字符串（即，不只是存储和打印它们），或者如果您正在处理UTF-16，它可能有许多内部空字节，那么您需要查看宽字符串类型。

Unicode不受支持（对于支持的任何合理含义）

std:：string

并不比

std:：vector

更好：它完全不受Unicode（或任何其他表示/编码）的影响，只将其内容视为一个字节块

如果您只需要存储和连接水滴，它工作得非常好；但是，只要您希望使用Unicode功能（number of、number of等），您就不走运了

据我所知，这方面唯一的综合图书馆是。C++接口是从java语言中派生出来的，所以它远不是习惯用法。 < C++标准库支持Unicode？

糟透了

通过快速浏览可能提供Unicode支持的库设施，我可以看到以下列表：

• 字符串库
• 本地化库
• 输入/输出库
• 正则表达式库

我认为除了第一个以外，所有的都提供了可怕的支持。在快速绕道你的其他问题之后，我会回到更详细的问题上来

std:：string

是否做了它应该做的事情

对。根据C++标准，这就是 STD::String 及其兄弟姐妹应该做的：

类模板

basic\u string

描述了可以存储序列的对象，该序列由数量不等的任意类字符对象组成，序列的第一个元素位于零位置

嗯，

std:：string

做得很好。这是否提供了任何特定于Unicode的功能？没有

应该吗？可能不会

std:：string

作为

char

对象序列很好。这很有用；唯一的烦恼是它是一个非常低级的文本视图，而标准C++没有提供更高层次的文本。 我如何使用它

将其用作

char

对象序列；假装这是另一件事注定会以痛苦告终

潜在问题在哪里

到处都是？让我们看看

字符串库

字符串库为我们提供了

basic_string

，这仅仅是标准所称的“类字符对象”的序列。我称之为代码单位。如果您想要文本的高级视图，这不是您想要的。这是适合序列化/反序列化/存储的文本视图

它还提供了C库中的一些工具，可以用来弥合狭窄世界和Unicode世界之间的鸿沟：

c16rtomb

/

mbrtoc16

和

C32RTOME

/

mbrtoc32

本地化库

本地化库仍然认为其中一个“类似字符的对象”等于一个“字符”。这当然是愚蠢的，并且使得除了一些小的Unicode子集（比如ASCII）之外，很多事情都无法正常工作

例如，考虑标准在

标题中所称的“便利接口”：

template <class charT> bool isspace (charT c, const locale& loc);
template <class charT> bool isprint (charT c, const locale& loc);
template <class charT> bool iscntrl (charT c, const locale& loc);
// ...
template <class charT> charT toupper(charT c, const locale& loc);
template <class charT> charT tolower(charT c, const locale& loc);
// ...

模板bool-isspace（图表c、const-locale和loc）；
模板bool-isprint（图表c、const-locale和loc）；
模板bool iscontrl（图表c、const locale和loc）；
// ...
模板图表标题（图表c、const locale和loc）；
模板图表（图表c、施工现场和loc）；
// ...

---

您希望这些函数中的任何函数如何正确分类，例如U+1F34Cʙᴀɴᴀɴᴀ, 然而，正如在

u8“中一样，有一个非常有用的库，名为它基本上是
std:：string
/
std:：wstring
的替代品。它旨在填补仍然缺失的utf8字符串容器类的空白

这可能是“处理”utf8字符串的最舒适的方式（也就是说，没有unicode规范化和类似的东西）。您可以轻松地对代码点进行操作，而您的字符串仍然以运行长度编码的
char
s进行编码。
因此，如果我们想支持非拉丁语言，我们是否仍然需要使用std:：wstring作为文件名？因为新的字符串文本在这里没有真正的帮助，因为字符串通常来自用户…@Uflex
std:：string
可以保留UTF-8字符串没有问题，但例如，
length
方法返回字符串中的字节数，而不是代码点数。老实说，获取字符串的代码点长度没有太多用途。可以使用字节长度来正确预处理字符串