c - C中的Unicode字符

Question

C 标准是否要求编译器能够处理未编码为 ascii 的文件？具体来说，我想知道 utf-8 文件是否符合标准。 C89、C99 和 C11 对上一个问题的回答是否不同？

假设在 C 源文件中使用 ASCII 之外的字符是合法的，哪些用法是合法的？

我可以想到几个不同的用例:

1. 在评论中
2. 在字符串中
3. 在标识符内
4. 在宏名称中

这是一个显示所有四个的示例:

#ifdef PRINT_©
// Print out the © notice
cont char my©Notice[] = "This program is © 2016 ACME INC";
puts(my©Notice);
#endif

如果C允许非ASCII字符出现在上面列出的用法中，对可以使用的代码点有什么限制吗？

请记住，这是关于 C 标准的问题。我已经意识到将 unicode 字符放入标识符和宏中会使代码更难使用。

Answer 1

它是实现定义的，因此不受标准约束。

我知道至少有一种编译器，即 clang，它要求源代码是 UTF-8。但是其他编译器可能会使用其他要求，或者不允许。

从 C99 开始，标识符允许包含多字节字符，但在 C99 之前，它是允许非基本字符存在的扩展。 C11 扩展了允许的字符集。

对于标识符中允许的字符有一些额外的限制，并且 © 不在列表中。它在附录 D 中列出。这些是 Unicode 点，但这并不严格意味着文件中的编码必须基于 unicode。

允许的字符范围

• 00A8, 00AA, 00AD, 00AF, 00B2−00B5, 00B7−00BA, 00BC−00BE, 00C0−00D6, 00D8−00F6, 00F8−00FF
• 0100−167F, 1681−180D, 180F−1FFF
• 200B−200D, 202A−202E, 203F−2040, 2054, 2060−206F
• 2070−218F、2460−24FF、2776−2793、2C00−2DFF、2E80−2FFF
• 3004−3007, 3021−302F, 3031−303F
• 3040−D7FF
• F900−FD3D、FD40−FDCF、FDF0−FE44、FE47−FFFD
• 10000−1FFFD、20000−2FFFD、30000−3FFFD、40000−4FFFD、50000−5FFFD、60000−6FFFD、70000−7FFFD、80000−8FFFD、90000−9FFFD、A0000−AFFFD、B0000−BFFFD、C0000 , D0000−DFFFD, E0000−EFFFD

最初不允许的字符范围

• 0300−036F, 1DC0−1DFF, 20D0−20FF, FE20−FE2F