只谈C++11新特性 - char32_t 和 char16_t

char32_t 和 char16_t

背景

在 C++11 之前，C++ 的字符类型主要有以下几种：

• char：表示单字节字符，通常用于 ASCII 或基于系统编码的字符串。
• wchar_t：表示宽字符，通常用于支持多字节字符（如 UTF-16 或 UTF-32）。

虽然 wchar_t 被设计用来处理多字节字符，但它存在以下问题：

1. 跨平台行为不一致：

   • 在 Windows 平台上，wchar_t 通常是 16 位宽，用于存储 UTF-16 编码的字符。
   • 在大多数 Unix 和 Linux 系统上，wchar_t 通常是 32 位宽，用于存储 UTF-32 编码的字符。
   • 这种差异导致了代码的跨平台兼容性问题。

2. 类型混淆：

   • 没有明确区分字符编码（UTF-8、UTF-16 或 UTF-32）。
   • 程序员需要自己确保字符数组的编码一致，容易引入错误。

3. 缺乏 Unicode 支持的明确标准：

   • 在处理 Unicode 字符串时，开发者需要依赖第三方库，如 ICU（International Components for Unicode），而标准库并没有提供明确的支持。

为了解决这些问题，C++11 引入了两个新的字符类型：char16_t 和 char32_t。

---

char16_t 和 char32_t 简介

C++11 新增了 char16_t 和 char32_t 类型，用于明确表示 Unicode 编码中的 UTF-16 和 UTF-32 字符。

• char16_t：

  • 用于表示一个 16 位的 UTF-16 编码单元。
  • 大多数字符可以用一个 char16_t 表示，但对于某些扩展字符（补充平面字符），需要使用两个 char16_t（代理对）。

• char32_t：

  • 用于表示一个 32 位的 UTF-32 编码单元。
  • 每个字符都可以用一个 char32_t 表示，无需代理对。