45、C++ 中的国际字符与文本 I/O 处理

C++ 中的国际字符与文本 I/O 处理

1. 国际字符处理

1.1 通用字符名

在 C++ 标准中，Unicode 有了新的应用。可以使用 Unicode 码点来指定字符，使用 \uXXXX 或 \UXXXXXXXX 的形式，将 XXXX 或 XXXXXXXX 替换为十六进制的码点。与 \x 转义不同， \u 必须使用四个十六进制数字， \U 必须使用八个。这种字符构造被称为通用字符名。

使用通用字符名是在字符串中编码国际字符的更好方法，它能避免本地字符集的不确定性。但如果编译器无法将 Unicode 码点映射到本地字符，就无法控制其行为。例如：

char pi{'\u03c0'};

如果本地字符集是 ISO 8859 - 7（希腊语），变量 pi 应初始化为 '\xf0' ；如果是 ISO 8859 - 1（拉丁语 - 1），编译器可能无法映射，会给出空格、问号，甚至拒绝编译。

需要注意的是， \u 和 \U 不是转义序列，可以在程序的任何地方使用，不仅限于字符或字符串字面量。使用 Unicode 字符名可以在不了解编码细节的情况下使用 UTF - 8 和 UTF - 16 字符串，如希腊小写字母 π 的 UTF -