UTF-8、Unicode 以及机器如何解释字节？

Question

我意识到以下几点：

1. Unicode 字符最多可以表示为 4 个字节的序列。因此，如果一个字符用两个或多个字节表示 - 字节排序 对于 BEM 或 LEM 很重要
   
2. UTF-8 将字节逐字节写入文件/网络流（不是多字节写入或读取），这意味着如果一个字符是 以两个或多个字节表示，在编码时它写入一个字节 时间。那么在总是解码时，BEM 或 LEM 并不重要 正确读回字节并且在写入时不交换它们或 读。
   
3. UTF-16 或 UTF-32 在编码时总是使用两个或四个字节，因此 LEM 或 BEM 现在真的很重要，因为多字节读/写。
4. 此外，我了解 UTF-8 在读取文件（解码）时如何知道将字节解释为字符。

所以。这是一个例子：

我在 C++ 中将 String 变量声明并初始化为 "ANФГ"。
问题。

1. 在 C++ 中，char 是单字节字符数据类型。 String 类基于 C++ 中的 char[] ？
2. 我可以这样声明一个字符串变量吗？ UTF-8 编码是默认的吗？
3. 我决定将此字符串写入文件。该字符串应表示为 A - 一个字节，B - 一个字节，Ф - 两个字节序列，Г - 两个字节序列。它将如何存储在 String 和文件中？这 6 个字节的地址是什么？
4. 如何从有关 BEM 和 LEM 的文件中读取它？ C++ 知道这些字节存储在内存中的地址顺序吗？

EDIT_1：我不明白一件事。如果我有三个字节： - 1000 1111 - 1100 0000 - 0100 0000 第一个和第二个代表 UTF-8 中的一个字符，第三个也代表一个。 字节的顺序是我上面写的。 每个字节都有自己的地址，对吧？ 但是当多字节写入发生时，两个字节存储在一个地方？我的意思是，任何输出流都按从左到右的顺序写入数据？那么它也会从左到右读回吗？因为 LEM 或 BEM 交换字节......但是当它是多字节写入时。但是当我们一次只写一个字节时，它有他自己的从左到右的正确顺序吗？

Answer 1

1. 是的，std::string（或者更确切地说，std::basic_string<char>）使用char 来存储其数据。它与编码无关，因此如果您调用size()，您将获得代表字符串的chars 的实际数量，而不是字符或代码点的数量。
2. 不，字符串文字的编码是实现定义的。从 C++11 开始，您可以使用 u8 前缀来获取 UTF-8 string literals（例如 u8"ANФГ"）。
3. 如果您一直使用 UTF-8 字符串文字，std::string 将包含 UTF-8，并且如果您使用例如 UTF-8 将被写入文件。 operator<<().
4. C++ 不会跟踪您的文件恰好包含的任何字符编码（因此也不会跟踪其字节顺序）。如果你碰巧使用的是 UTF-8 端到端，那么字节序就无关紧要了，因为 UTF-8 is endianness-independent。