c++ - 使用 C++11\u vs\x 输出 Unicode 字符串时输出不同？

Question

这是一个简单的程序，应该输出以下四个 Unicode 字形。总共有四个字形，由五个代码点或 14 个字节组成，采用纯 UTF-8。

我的印象是它们的输出应该是一样的；一个只是代码点列表，另一个是同一列表的 UTF-8 编码形式。

请注意，您的控制台可能看不到其中一些符号。马头(equid)应该是不可见的，因为它很可能不受系统上任何已安装字体的支持。

并不是说这个问题具体是关于为什么输出不同；似乎 equid 字符是问题所在？

你也可以在这里使用gcc-5.1编译运行: https://ideone.com/Q31D9x

#include <iostream>

using namespace std;

int main() {
   cout << "\x61\xE0\xA4\xA8\xE0\xA4\xBF\xE4\xBA\x9C\xF0\x90\x82\x83" << endl;
   cout << "\u0061\u0928\u093F\u4E9C\u10083" << endl;

   return 0;
}

原图来源: http://unicode.org/faq/char_combmark.html

更新

修改后的代码是:

#include <iostream>

using namespace std;

int main() {
   cout << u8"\x61\xE0\xA4\xA8\xE0\xA4\xBF\xE4\xBA\x9C\xF0\x90\x82\x83" << endl;
   cout << u8"\u0061\u0928\u093F\u4E9C\U00010083" << endl;

   return 0;
}

Answer 1

解析器必须通过假设 \u1008 是 Basic Multilingual Plane 中的一个 unicode 代码点来解析 \u10083，后跟一个 3。结果表示的确切内容取决于字符串的类型(例如，L""、u8""、u""、 U"")。对于没有这种前缀的字符串，确切的表示是实现定义的。

对于 BMP 之外的代码点，有 \U00010083 表示法。