c++ - Unicode 字符串上的 std::string 和 std::map 操作

Question

我想了解正则std::string和 std::map如果 Unicode 代码单元出现在字符串中，操作将处理它们。

示例代码:

    include <iostream>
    #include "sys/types.h"

    using namespace std;

    int main()
    {

        std::basic_string<u_int16_t> ustr1(std::basic_string<u_int16_t>((u_int16_t*)"ยฤขฃ", 4));
        std::basic_string<u_int16_t> ustr2(std::basic_string<u_int16_t>((u_int16_t*)"abcd", 4));

        for (int i = 0; i < ustr1.length(); i++)
            cout << "Char: " << ustr1[i] << endl;

        for (int i = 0; i < ustr2.length(); i++)
            cout << "Char: " << ustr2[i] << endl;

        if (ustr1 == ustr2)
            cout << "Strings are equal" << endl;

        cout << "string length: " << ustr1.length() << "\t" << ustr2.length() << endl;
        return 0;
    }

字符串包含泰文字符和 ascii 字符，以及使用 basic_string<u_int16_t> 的意图是为了便于存储不能容纳在单个字节中的字符。代码在 Linux 机器上运行，其编码类型为 en_US.UTF-8 .输出是:

$ ./a.out
Char: 47328
Char: 57506
Char: 42168
Char: 47328
Char: 25185
Char: 25699
Char: 17152
Char: 24936
string length: 4        4

几个问题:

1. 输出中的字符值是否对应于en_US.UTF-8代码点？如果不是，它们是什么？

2. std::string运营商喜欢 == , != , <等，能够使用 Unicode 代码点吗？如果是这样，是否只是比较相应位置的每个代码点？会 std::map在类似的线路上工作？

3. 将语言环境更改为 UTF-16 是否会导致字符串存储为 UTF-16 代码点？

谢谢!

Answer 1

I would like to understand how regular std::string and std::map operations deal with Unicode code units should they be present in the string.

他们没有。

std::string是 char 的序列s 或 bytes。它不是考虑任何 编码的“高级”字符串。你必须自己做，例如通过使用专用于该目的的库，例如 ICU。

从 std::string 切换(即 std::basic_string<char> )到 std::basic_char<u_int16_t>不会改变这一点；它只是意味着您有一系列“宽”字符。

和std::map与此完全无关。

进一步阅读:

• > https://stackoverflow.com/a/17106065/560648
• > https://www.reddit.com/r/cpp/comments/1y3n33/why_does_c_seem_to_pretend_unicode_doesnt_exist/