c - Unicode 转义序列与十六进制值

Question

为了在程序中对 Unicode/UTF-8 字符进行编码，我一直在使用 \uXXXX 转义序列，例如:

wchar_t superscript_4 = L'\u2074';  // U+2074 SUPERSCRIPT 4 '⁴'
wchar_t subscript_4   = L'\u2084';  // U+2084 SUBSCRIPT 4 '₄'

但是，使用十六进制应该可以正常工作，因为 Unicode 是用十六进制编码的。

wchar_t superscript_4 = 0x2074;
wchar_t subscript_4   = 0x2084;

第二个示例能否正确编码字符？我会遇到宽字符问题、段错误或错误存储的字符值吗？如果是这样，为什么？如果不是，为什么？

Answer 1

您可以使用十六进制常量初始化它们，但您也可以使用数字常量初始化普通的char，例如char c = 67;。它的工作原理是一样的；它分配任何 char 或 wchar_t 具有该 int 的值。在你给出的例子中，假设一个 Unicode 执行环境(不能完全保证，但很有可能)，它是下标或上标 4；在我的示例中，它是大写的 C。

In particular ，对于常规 char，从技术上讲，像 'C' 这样的字符常量具有 int 类型，并且您通常分配 int > 值转换为 char。对于 wchar_t 来说，常量实际上具有 wchar_t 类型，并且整数值与调用 mbtowc 获得的值相同。 。因此，假设您在 Unicode 环境中工作，十六进制常量相当于 Unicode 转义。

不过，通常你不想这样做；使用字 rune 字可以更清楚地表达您的意图。如果您在源代码中使用非 ASCII 字符，则尤其如此，在这种情况下，您可以使代码为

wchar_t superscript_4 = L'⁴'
wchar_t subscript_4   = L'₄'

另请注意，对于许多用途，最好使用 char16_t 或 char32_t，因为 wchar_t 在不同平台上可以有不同的宽度；在您有特定需要切换到其他内容之前，仅使用 UTF-8 也可能会更干净。