C++编译.翻译阶段 #1.通用字符名称

C++ Compilation. Phase of translation #1. Universal character name

本文关键字：字符 编译 翻译 C++      更新时间：2023-10-16

我不明白它在 c++ 标准中是什么意思：

不在基本源字符集中的任何源文件字符 (2.3( 替换为通用字符名称，该名称指定 (一个实现可以使用任何内部编码，只要 作为源文件中遇到的实际扩展字符，以及 在源文件中表示的相同扩展字符为 通用字符名称(即使用 \uXXXX 表示法(是 等效处理，除非此替换在 原始字符串文本。

据我了解，如果编译器看到字符不在基本字符集中，则只需将其替换为这种格式的字符序列"\uNNNN">或"\UNNNNNNNNNN"。但是我不知道如何获得这个NNNN或NNNNNNNN。所以这是我的问题：如何进行转换？

注意前面的句子，它指出：

如有必要，物理源文件字符以实现定义的方式映射到基本源字符集(为行尾指示符引入换行符(。

也就是说，它完全取决于编译器如何实际解释构成文件的字符或字节。在执行此解释时，它必须确定哪些物理字符属于基本源字符集，哪些不属于。如果一个字符不属于，那么它将被替换为通用字符名称(或者至少，效果就像它已经完成了一样(。

这样做的目的是将源文件减少到非常小的字符集 - 基本源字符集中只有 96 个字符。任何不在基本源字符集中的字符都被替换为、u或U，以及一些十六进制数字(0 - F(。

通用字符名称是以下之一：

uNNNN
UNNNNNNNN

其中每个N都是十六进制数字。这些数字的含义在§2.3中给出：

通用字符名称UNNNNNNNN指定的字符是 ISO/IEC 10646 中字符短名称NNNNNNNN的字符;通用字符名称uNNNN指定的字符

是 ISO/IEC 10646 中字符短名称0000NNNN字符。如果通用字符名称的十六进制值对应于代理项代码点(在 0xD800 – 0xDFFF 范围内，则程序格式不正确。

ISO/IEC 10646 标准起源于 Unicode 之前，定义了通用字符集 (UCS(。它将代码点分配给字符，并指定应如何对这些代码点进行编码。Unicode 联盟和 ISO 小组随后联手开发 Unicode。Unicode 标准比 ISO/IEC 10646 规定的要多得多(算法、功能字符规范等(，但这两个标准现在保持同步。

因此，您可以将NNNN或NNNNNNNN视为该字符的 Unicode 代码点。

例如，考虑源文件中包含以下内容的一行：

const char* str = "Hellô";

由于 ô 不在基本源字符集中，因此该行在内部转换为：

const char* str = "Hellu00F4";

这将给出相同的结果。

代码中只有某些部分允许使用通用字符名称：

  • 在字符串文本中
  • 在字符文本中
  • 在标识符中(但是，这不是很好支持(

但是我不知道如何获得这个NNNN或NNNNNNNN。所以这是我的问题：如何进行转换？

映射是实现定义的(例如 §2.3 脚注 14(。例如，如果我将以下文件保存为 Latin-1：

#include <iostream>
int main() {
    std::cout << "Hallön";
}

并在OS X上使用g++编译它，运行后我得到以下输出：

Hell�

。但是如果我将其保存为 UTF-8，我会得到这个：

Hellö

因为 GCC 假设 UTF-8 作为我系统上的输入编码。

其他编译器可能会执行不同的映射。

因此，如果您的文件名为 Hello°¶.c ，编译将在内部使用该名称时，例如，如果我们这样做：

cout << __FILE__ << endl;

编译器会将Hello°¶.c转换为Hellou00b0u00b6.c。

但是，当我刚刚尝试g++时，它并没有这样做......

但汇编程序输出包含：

.string "Hello302260302266.c"
相关文章：