c++ - std::string 与 unicode 的奇怪行为

Question

我有以下代码:

#include <iostream>

std::string eps("ε");

int main()
{
    std::cout << eps << '\n';
    return 0;
}

它以某种方式在 Ubuntu 上用 g++ 和 clang 编译，甚至打印出正确的字符 ε。我也有几乎相同的一段代码，它愉快地将 ε 和 cin 读入 std::string。顺便说一下，eps.size() 是 2。

我的问题是 - 它是如何运作的？我们如何将 unicode 字符插入到 std::string 中？我的猜测是操作系统使用 unicode 处理所有这些工作，但我不确定。

编辑

对于输出，我知道是终端负责向我显示正确的字符(在本例中为 ε)。

但是对于输入:cin 将符号读取为 ' ' 或任何其他空格字符(据我所知，逐字节)。因此，如果我采用 ş，第二个字节是 32 ' '，它将只读取第一个字节，然后停止。但它显示为 ş。怎么办？

Answer 1

最可能的原因是所有内容都在 UTF-8 中编码，就像在我的系统上一样:

$ xxd test.cpp
...
0000020: 2065 7073 2822 ceb5 2229 3b0a 0a69 6e74   eps("..");..int
                        ^^^^ ε in UTF-8                 ^^ TWO bytes!
...
$ g++ -o test.out test.cpp
$ ./test.out 
ε
$ ./test.out | xxd
0000000: ceb5 0a
         ^^^^