在 C 中解析带引号的字符串答案

【问题标题】：Parsing quoted strings in C在 C 中解析带引号的字符串
【发布时间】：2013-03-09 13:32:54
【问题描述】：

在 C 中存储 Unicode 字符串的数据类型是否有原生支持。我正在编写一个玩具编译器并想解析 Unicode 字符串。

【问题讨论】：

我们是否假设您的意思是文字转义序列？
Unicode 在某种程度上受到“宽字符”的支持。请注意，“unicode”在不同的上下文中意味着不同的东西。例如，Microsoft 的意思是 [在大多数地方] 一组 16 位宽的受限字符，对 Unicode 的前 16 位之外的字符没有编码。 Unicode 本身是一种 32 位编码，但也有 8 位和 16 位变体，允许使用多个标记作为一个字符对整个 32 位范围进行编码，即 UTF-8 和 UTF-16。
@MatsPetersson：Unicode 实际上是 21 位编码，而不是 32 位。事实上，范围是 U+0000 到 U+10FFFF，所以它甚至不是完整的 21 位（将变为 0x1FFFFF）。这个范围意味着 UTF-8 永远不需要超过 4 个字节，并且 UTF-16 可以用一个高代理 16 位值 (U+D800..U+DBFF) 和一个低代理 16 位值 ( U+DC00..U+DFFF).
@vonbrand：不，不是。请参阅：unicode.org/faq/blocks_ranges.html，上面写着 'Q：我知道所有 Unicode 字符都是 16 位 [..]。对吗？' 和'A：绝对不是！ Unicode 字符可以在从 U+0000 到 U+10FFFF 的任何代码点进行编码。用于表示这些代码点的代码单元的大小可以是 8 位（对于 UTF-8）、16 位（对于 UTF-16）或 32 位（对于 UTF-32）[参见 UTF 和 BOM]。 [...]' U+10FFFF 需要 21 位，而不是 31 位。
问题在哪里？

【解决方案1】：

C 中存储 Unicode 字符串的数据类型是否有原生支持。

是的。由于 Unicode 字符串可以使用编码方案存储为字节序列，因此可以为此目的使用 char 数组。

请注意，支持存储并没有说明解释或操作数据的能力。

【讨论】：