`std::u8string` 必须是 UTF-8 编码吗？答案

【问题标题】：Does a `std::u8string` have to be UTF-8?`std::u8string` 必须是 UTF-8 编码吗？
【发布时间】：2022-12-15 05:20:34
【问题描述】：

C++20 添加了char8_t，（我相信）它旨在帮助更好地支持 UTF-8。

标准要求 u8"abc" 形式的字符串常量是 char8_t[] 数组中的有效 UTF-8。这些常量也可以变成std::u8strings。

但是，我在 C++ 标准中找不到任何内容表明 std::u8string 必须或什至应该包含 UTF-8 字符串。 std::string 和 std::u8string 在 UTF-8 支持方面实际上有什么区别吗？

【问题讨论】：

char8_t - 用于 UTF-8 字符表示的类型，需要足够大以表示任何 UTF-8 代码单元（8 位）。它具有与 unsigned char 相同的大小、符号和对齐方式（因此，与 char 和 signed char 具有相同的大小和对齐方式），但是是不同的类型。
std::u8string 是 std::basic_string<char8_t>。
区别在于std::string是std::basic_string<char>，char可以是有符号或无符号类型，而char8_t只是无符号类型。
“标准要求 u8"abc" 形式的字符串常量是有效的 UTF-8“：我不明白为什么这是真的。据我所知，格式错误的 UTF-8 序列是允许的，例如 u8"\xff"。
这回答了你的问题了吗？ how std::u8string will be different from std::string?

标签： c++ utf-8

【解决方案1】：

不，c++ 不要求您在 u8strings 中存储有效的 utf8。从编译器的角度来看，std::u8string 与std::string 具有完全相同的语义。

但是“在实践中”，您可以期望采用 u8string 参数的函数期望该字符串是有效的 utf8。即使他们接受无效的 utf8，他们也绝对不会期望您的字符串是 latin1 编码的。 std::string 绝对不能这样说。

【讨论】：