使用Unicode报告编译器错误消息行/列号

当输入为Unicode格式时，是否有标准/通用的方法给出指向行和列的编译器样式错误消息

例如，一种非常常见的编译器错误消息格式是： “文件名：行\号：列\号：错误消息”，例如：

• （来自GCC）：

  错误。c:1:10:语法错误，意外字符串

• （来自自定义工具）

  input.dat:45:3:应为字符串_Literal，找到“；”,

---

当输入是固定的8位编码（如ISO-8859-1）时，这是明确的。但是，当输入是Unicode（UTF-8、UTF-16等）时，“列”在本例中是（或应该是）什么意思？哪个字节？哪个代码点？哪个是我？是否有任何工具为选择一个或另一个设置了先例？

列应指非组合Unicode代码点。代理项对的两个部分（在UTF-16中）应共享一列。组合变音符号应与其修改的基本字符共享一列。这可能也适用于其他非间隔代码点。

GNU编码标准规定，应使用Unicode字符宽度来计算列号：

这应该与使用错误消息的Emacs计算列号的方式兼容：

---

GCC中似乎有一个bug：。

对于编译器和类似工具的错误消息中如何解释“column”值的问题，没有通用的答案。就我所知，除了几乎所有的工具和编辑都尊重它是基于一个的这一事实之外，还没有针对您提到的不同解决方案之一建立标准。就我使用Ubuntu 14.04系统所见，即使是香草GCC和香草Emacs在处理制表符方面也会有分歧：GCC似乎将制表符视为一个字符，而Emacs则将制表符解释为实际缩进的字符数

下面是我个人的建议。我很想得到反馈。对于任何正在编写输出此类错误消息的工具的人，我建议对字节进行计数，不要对制表符、Unicode、代理项对或组合字符进行任何特殊处理。这是最有用的，因为用户几乎从不读取列号。相反，列号几乎总是由用户界面解析的。这将使输出消息的工具和显示消息的应用程序都更加容易。我的建议到此为止

---

实际上，我会输出您正在使用的编程语言中更方便的内容

我想我找到了我想要的和你的答案相符的东西。扩展的图形集簇，如中所定义。我可以通过ICU的BreakIterator得到这个。