具有 UTF-8 执行字符集的 C++11 字符文字“\xC4”标准类型？

Question

考虑一个具有 UTF-8 执行字符集的 C++11 编译器（并且符合要求 char 类型为有符号 8 位字节的 x86-64 ABI）。

字母 Ä（变音符号）的 unicode 代码点为 0xC4，并具有 {0xC3, 0x84} 的 2 个代码单元 UTF-8 表示

编译器将int 类型的字符文字'\xC4' 赋值为0xC4。

编译器是否符合标准和 ABI？你的理由是什么？

来自 C++11 标准的相关引用：

2.14.3.1

包含单个 c-char 的普通字符文字具有 char 类型，其值等于执行字符集中 c-char 编码的数值。一个普通的字符文字，包含超过 一个 c-char 是多字符文字。多字符文字具有 int 类型和实现定义 价值。

2.14.3.4

转义符 \xhhh 由反斜杠后跟 x 后跟 一个或多个十六进制数字，用于指定所需字符的值。一个角色的价值 如果字面量超出为 char 定义的实现定义范围，则它是实现定义的

Answer 1

你正在混合苹果、橙子、梨和金橘:)

是的，“\xc4”是一个合法的字符文字。具体来说，标准称之为“窄字符文字”。

来自 C++ 标准：

基本源字符集成员的字形是 旨在识别来自 ISO/IEC 10646 子集的字符 对应 ASCII 字符集。但是，由于映射 从源文件字符到源字符集（在 翻译阶段 1) 被指定为实现定义，一个 实现需要记录基本的源字符如何 在源文件中表示。

这可能有助于澄清：

• Rules for C++ string literals escape character

如果您不熟悉它，这也可能会有所帮助：

• The absolute minimum every software developer should know about Unicode

这是另一个很好的、简洁的、有启发性的参考：

• IBM Developerworks: Character literals

Answer 2

从 2.1.14.3p4 开始：

如果字符文字的值超出为 char 定义的实现定义范围，则它的值是实现定义的

x86 编译器在历史上（正如您所指出的，这种做法现在已成为某种官方标准）已签署 chars。 \xc7 超出了这个范围，因此需要实现来记录它将产生的文字值。

看起来您的实现将使用 \x 转义指定的超出范围的字符文字提升为（范围内）整数文字。

Answer 3

§2.14.3 第 1 段无疑是 (C++11) 标准中的相关文本。不过原文有几个缺陷，最新版本包含以下文字，重点补充：

多字符文字，或包含单个 c-char 的普通字符文字不能在执行字符集中表示，是有条件支持的，具有 int 类型，并且有一个实现定义的值。

虽然这已被接受为defect，但它实际上并不构成任何标准的一部分。但是，它只是一个建议，我怀疑很多编译器都会实现它。