C++ 此UTF-8实施是否已定义或定义良好？

我只是浏览了一下UTF-8代码点的一些实现（不，不是剽窃），偶然发现：

<>这是UTF-8在字符串中使用C++的方式。

我认为UTF-8中的代码单元总是正好是8位
来自Unicode标准8.0.0，第2.5章：

在Unicode字符编码模型中，精确定义的编码 表单指定如何使用Unicode字符的每个整数（代码点） 表示为一个或多个代码单元的序列。Unicode 标准为Unicode提供了三种不同的编码形式 字符，使用8位、16位和32位单位。这些是 分别命名为UTF-8、UTF-16和UTF-32

（删除了换行符，删除了换行符上的连字符，添加了强调符号。）

那么，他为什么声称使用了

const char*

而不是

const uint8*

（或者建议的、假设的

const char8\*

）

[lex.string]/8普通字符串文字和UTF-8字符串文字也称为窄字符串文字。窄字符串文字的类型为“array of

n

const char”，其中

n

是下面定义的字符串大小，具有静态存储持续时间（3.7）

因此，不管其他情况如何，UTF-8字符串文字都是一个

char

s序列

关于

uint8\u t

：

7.20.1.1

2 typedef name

uintN\u t

指定宽度为

N

且无填充位的无符号整数类型。因此，

uint24\u t

表示这种宽度正好为24位的无符号整数类型

3这些类型是可选的。但是，如果一个实现提供了宽度为8、16、32或64位的整数类型，没有填充位，并且（对于有符号类型）具有2的补码表示，那么它应该定义相应的typedef名称

---

在

char

大于8位的假设系统上，不会定义

uint8\u t

[lex.string]/8普通字符串文字和UTF-8字符串文字也称为窄字符串文字。窄字符串文字的类型为“array of

n

const char”，其中

n

是下面定义的字符串大小，具有静态存储持续时间（3.7）

因此，不管其他情况如何，UTF-8字符串文字都是一个

char

s序列

关于

uint8\u t

：

7.20.1.1

2 typedef name

uintN\u t

指定宽度为

N

且无填充位的无符号整数类型。因此，

uint24\u t

表示这种宽度正好为24位的无符号整数类型

3这些类型是可选的。但是，如果一个实现提供了宽度为8、16、32或64位的整数类型，没有填充位，并且（对于有符号类型）具有2的补码表示，那么它应该定义相应的typedef名称

---

在字符大于8位的假设系统上，

uint8\u t

不会被定义。

uint8\u t

仅存在于具有可访问内存的系统上，而该内存正好是8位。UTF-8没有任何这样的要求。它使用适合8位的值，但对这些值的实际存储方式没有任何要求。每个8位值可以存储为16位或32位，或者任何对运行它的系统有意义的值；唯一的要求是该值必须正确。

uint8\u t

仅存在于具有可精确访问为8位的内存的系统上。UTF-8没有任何这样的要求。它使用适合8位的值，但对这些值的实际存储方式没有任何要求。每个8位值可以存储为16位或32位，或者任何对运行它的系统有意义的值；唯一的要求是该值必须正确。

UTF-8中的代码单元始终正好是8位<代码>无符号字符被指定为至少有8位，因此UTF-8中的所有代码单元都适合类型

无符号字符

u8“这是一个UTF-8编码的字符串常量”

的基本原理不是它存储在8位字节中，而是它被编码为UTF-8，而源文件可能有不同的编码。

u8string

typedef与此一致，但如果字节超过8位，则有点混乱

使用

unsigned char

是消除类型

char

的符号不确定性的一种好方法，UTF-8中的代码单元始终正好是8位<代码>无符号字符被指定为至少有8位，因此UTF-8中的所有代码单元都适合类型

无符号字符

u8“这是一个UTF-8编码的字符串常量”

的基本原理不是它存储在8位字节中，而是它被编码为UTF-8，而源文件可能有不同的编码。

u8string

typedef与此一致，但如果字节超过8位，则有点混乱

使用

unsigned char

是消除类型

char

的签名不确定性的好方法

那么，他为什么声称使用了

const char*

而不是

const uint8*

（或者建议的、假设的

const char8\*

）

因为标准是这么说的。

u8

文本字符串将解析为

常量字符[N]

类型的数组。正是这样，C++中的UTF-8文字被定义为工作。

如果系统上的

char

超过8位。。。就这样吧。字符串中的每个

char

仍将保留一个介于0和255之间的值，即0到255之间的范围

typedef unsigned char char8_t;
typedef std::basic_string<unsigned char> u8string;

const char *str = u8"This is a UTF-8 string.";