c++ - C标准: Character set and string encoding specification

Question

我发现 C 标准(C99 和 C11)在字符/字符串代码位置和编码规则方面含糊不清:

首先标准定义了源字符集和执行字符集。本质上它提供了一组字形，但不关联任何数值与他们一起 - 那么默认字符集是什么？

我不是在这里询问编码，而只是询问字形/轨道到数字/代码点的映射。它确实将 universal character names 定义为 ISO/IEC 10646，但它是否说这是默认字符集？

作为上述内容的扩展 - 我找不到任何说明什么字符的内容数字转义序列\0 和\x 表示。

从 C 标准(C99 和 C11，我没有检查 ANSI C)我得到以下关于字符和字符串文字:

 +---------+-----+------------+----------------------------------------------+
 | Literal | Std | Type       | Meaning                                      |
 +---------+-----+------------+----------------------------------------------+
 | '...'   | C99 | int        | An integer character constant is a sequence  |
 |         |     |            | of one or more multibyte characters          |
 | L'...'  | C99 | wchar_t    | A wide character constant is a sequence of   |
 |         |     |            | one or more multibyte characters             |
 | u'...'  | C11 | char16_t   | A wide character constant is a sequence of   |
 |         |     |            | one or more multibyte characters             |
 | U'...'  | C11 | char32_t   | A wide character constant is a sequence of   |
 |         |     |            | one or more multibyte characters             |
 | "..."   | C99 | char[]     | A character string literal is a sequence of  |
 |         |     |            | zero or more multibyte characters            |   
 | L"..."  | C99 | wchar_t[]  | A wide string literal is a sequence of zero  |
 |         |     |            | or more multibyte characters                 | 
 | u"..."  | C11 | char16_t[] | A wide string literal is a sequence of zero  |
 |         |     |            | or more multibyte characters                 | 
 | U"..."  | C11 | char32_t[] | A wide string literal is a sequence of zero  |
 |         |     |            | or more multibyte characters                 | 
 | u8"..." | C11 | char[]     | A UTF-8 string literal is a sequence of zero |
 |         |     |            | or more multibyte characters                 | 
 +---------+-----+------------+----------------------------------------------+

但是我找不到关于这些文字的编码规则的任何信息。UTF-8 似乎确实暗示了 UTF-8 编码，但我认为没有明确提及任何地方。另外，对于其他类型，编码是未定义的还是依赖于实现的？

我不熟悉 UNIX 规范。 UNIX 规范是否对这些规则指定了任何额外的约束？

另外，如果有人能告诉我GCC 和 MSVC 使用什么字符集/编码方案，那也会有所帮助。

Answer 1

C 对字符集并不贪心。没有“默认字符集”之类的东西，它是由实现定义的——尽管在大多数现代系统上它主要是 ASCII 或 UTF-8。