c++ - 原始字符串文字和文件编码

Question

C++11 引入了 raw string literals这对于表示带引号的字符串、带有许多特殊符号(如 Windows 文件路径、正则表达式等)的文字非常有用...

std::string path = R"(C:\teamwork\new_project\project1)"; // no tab nor newline!
std::string quoted = R"("quoted string")";
std::string expression = R"([\w]+[ ]+)";

这个原始字符串文字也可以与编码前缀( u8 、 u 、 U 或 L )结合使用，但是，当没有指定编码前缀时，文件编码是否重要？假设我有这段代码:

auto message = R"(Pick up a card)";         // raw string 1
auto cards = R"(🂡🂢🂣🂤🂥🂦🂧🂨🂩🂪🂫🂬🂭🂮)"; // raw string 2

如果我可以编写并存储上面的代码，很明显我的源代码被编码为 un​​icode，所以我想知道:

• raw string 1将是一个unicode文字？ (虽然它只使用 ASCII 字符)，换句话说，原始字符串是否继承了写入文件的编码，或者无论文件编码如何，编译器都自动检测到不需要 unicode？
• 需要编码前缀 U在 raw string 2 上为了将其视为 unicode 文字或由于其内容和/或源文件编码而自动成为 unicode？

感谢您的关注。

编辑:

在 ideone.com 中测试上面的代码并打印出 message 的 demangled 类型和 cards变量，它输出 char const* :

template<typename T> std::string demangle(T t)
{
    int status;
    char *const name = abi::__cxa_demangle(typeid(T).name(), 0, 0, &status);
    std::string result(name);
    free(name);
    return result;
}

int main()
{
    auto message = R"(Pick up a card)";
    auto cards = R"(🂡🂢🂣🂤🂥🂦🂧🂨🂩🂪🂫🂬🂭🂮)";

    std::cout
        << "message type: " << demangle(message) << '\n'
        << "cards type: " << demangle(cards) << '\n';

    return 0;
}

输出:

message type: char const*

cards type: char const*

这比我想象的还要奇怪，我确信类型是 wchar_t (即使没有 L 前缀)。

Answer 1

是的，这很重要，即使是编译您的源代码。如果您使用的是 gcc，则需要使用 -finput-charset=UTF-16 之类的东西进行编译(同样的事情应该适用于 VS)。

但是我 IHMO，在您的代码中需要考虑一些更基本的东西。例如，std::string 是 char 的容器，它有 1 个字节大。例如，如果您正在处理 UTF-16，您将需要 2 个字节，因此(尽管是“手动转换”)您至少需要一个 wchar_t (std::wstring) (或者，为了更安全 char16_t，在 C++11 中更安全)。

因此，要使用 Unicode，您需要一个容器和一个准备好处理 Unicode 编码源的编译环境。