编译器解释字符串字符

String characters interpretation by compiler

本文关键字：字符 字符串 解释 编译器      更新时间：2023-10-16

让我们从C++中的一条简单的行开始

char const* hello = "動画、読書な"; // I hope it is not offensive, I dont know what this means ))

并指出此行存储在utf-8编码文件中。当我传递带有此行的文件进行编译（结果是二进制代码）时，编译执行以下步骤：

  1. 读取文件（它需要知道文件编码是什么，在 utf-8 的情况下，使用 BOM 可能很容易，但其他编码呢？
  2. 使用语法解析文件内容，构建语法树，...
  3. 如果一切正常，它开始编写二进制代码，在此阶段，它将常量保存在代码中。

问题是它将如何存储上面的常量（"動画、読書な"）？它会以某种方式转换它吗？或者它只是从文件中读取"字符直到另一个"之后的字节并按原样存储它们？那么这是否意味着最终的二进制代码取决于原始源文件编码？

源代码必须以定义的方式转换为 ASCII，必要时使用转义序列保留原始编码中的字符：

ISO/IEC 14882：2003（E）

2.1.1 翻译阶段

物理源文件字符以实现定义的方式映射到基本源 字符集（为行尾引入换行符 指标）如有必要。三元组序列 （2.3） 替换为 相应的单字符内部表示形式。任何来源 替换不在基本源字符集 （2.2） 中的文件字符 通过指定该字符的通用字符名称。（一个 实现可以使用任何内部编码，只要实际 在源文件中遇到的扩展字符，并且相同 在源文件中表示为 处理通用字符名称（即使用 \uXXXX 表示法） 等效地。

。

15） 基本成员的字形 源字符集用于标识 ISO/IEC 10646 的子集，对应于 ASCII 字符集。 但是，因为从源文件字符到源文件的映射 字符集（在转换阶段 1 中描述）指定为 实现定义，需要实现来记录如何 基本源字符在源文件中表示。

相关文章：