字符集在字符串和 wstring 中的存储方式

1. 它们使用您想要的任何字符集和编码。这些类型并不意味着特定的字符集或编码。它们甚至不暗示字符 - 您可以愉快地与他们一起做数学问题。不过不要那样做，这很奇怪。

2. 你如何输出文本？如果是控制台，控制台将决定与每个值关联的字符。如果是某个图形工具包，则由工具包决定。控制台和工具包往往符合标准，因此现在它们很有可能使用 unicode。在较旧的系统上，任何事情都可能发生。

3. 对于范围 0-127，UTF8 与 ASCII 具有相同的值。除此之外，它变得有点复杂;这在这里解释得很好：https://en.wikipedia.org/wiki/UTF-8#Description

4. wstring 是由 wchar_t 组成的字符串，但遗憾的是wchar_t在不同的平台上实现方式不同。例如，在Visual Studio上它是16位(可用于存储UTF16(，但在GCC上它是32位(因此可用于直接存储Unicode代码点(。如果您希望代码可移植，则需要注意这一点。就个人而言，我选择只以 UTF8 格式存储字符串，并仅在需要时进行转换。

哪个字符集和编码用于字符和wchar_t？这些类型是否仅限于使用这些字符集/编码？

这不是由语言标准定义的。每个编译器都必须与操作系统就使用哪些字符代码达成一致。我们甚至不知道有多少位用于char和wchar_t.

在某些系统上char是 UTF-8，在其他系统上它是 ASCII 或其他东西。在 IBM 大型机上，它可以是 EBCDIC，一种在定义 ASCII 之前已经在使用的字符编码。

如果它们不限于这些字符集/编码，如何确定特定字符集或wchar_t使用哪种字符集/编码？ 例如，它是在编译时自动决定的，还是我们必须明确告诉它使用什么？

编译器知道什么适合每个系统。

据我了解，UTF-8 在使用集合中的前 128 个码位时使用 1 个字节，但在使用码位 128 及以上时可以使用超过 1 个字节。如果是这样，如何存储？例如，如果它只使用 1 个字节，它是否只是简单地与 ASCII 相同地存储？类型(字符或wchar_t或其他(如何知道它使用了多少字节？

UTF-8 的第一部分与相应的 ASCII 代码相同，并存储为单个字节。较高的代码将使用两个或多个字节。

char类型本身只存储字节，不知道我们需要多少字节来形成一个字符。这是由其他人决定的。

wchar_t也是如此，在Windows上是16位，但在其他系统(如Linux(上是32位。

最后，如果我的理解是正确的，我明白为什么 UTF-8 和 UTF-16 不兼容，例如。 字符串不能在需要字符串的地方使用。但是在需要 wstring 的程序中，最好是编写一个从字符串到 wstring 的转换函数，并在需要 wstring 使我的代码完全基于字符串或只是在需要时使用 wstring 时使用它？

您可能需要转换。不幸的是，由于字符大小和编码不同，不同系统所需的转换会有所不同。

在以后的C++标准中，您有新的char16_t和char32_t类型，字符串类型为u16string和u32string。这些具有已知的大小和编码。

关于所用编码的所有内容都是实现定义的。检查编译器文档。这取决于默认locale、源文件的编码和操作系统控制台设置。

像 string 、wstring 、对它们的操作和 C 工具(如 strcmp/wstrcmp(等类型期望固定宽度的编码。因此，它不能与 UTF8 或 UTF16 等可变宽度的一起使用(但可以与例如 UCS-2 一起使用(。如果要存储可变宽度编码的字符串，则需要小心，不要对其使用固定宽度的操作。C-string确实有一些函数可以在标准库中操作此类字符串。您可以使用 codecvt 标头中的类在C++字符串的不同编码之间进行转换。

我会避免wstring并使用C++11 确切宽度的字符串：std::u16string 或 std::u32string

作为一个例子，这里有一些关于Windows如何使用这些类型/编码的信息。

• char存储 ASCII 值(带有非 ASCII 值的代码页(
• wchar_t存储 UTF-16，请注意，这意味着某些 unicode 字符将使用 2 个wchar_t

如果您调用系统函数，例如 puts，头文件实际上会选择puts或_putws，具体取决于您的设置方式(即如果您使用的是 unicode(。

因此，在Windows上没有对UTF-8的直接支持，这意味着如果您使用char来存储UTF-8编码的字符串，则必须将它们隐藏为UTF-16并调用相应的UTF-16系统函数。