char16_t 和 char32_t 到底是什么，我在哪里可以找到它们？答案

【问题标题】：What exactly are char16_t and char32_t, and where can I find them?char16_t 和 char32_t 到底是什么，我在哪里可以找到它们？
【发布时间】：2018-09-09 01:20:47
【问题描述】：

我一直在寻找 char16_t 和 char32_t，因为我正在使用 Unicode，而我在网上只能找到它们在 uchar.h 中。我在 iOS SDK 中找到了上述标头（由于某种原因，不是 macOS 的标头），但其中没有此类类型。不过，我在不同的标题中看到了它们，但我找不到它们的定义位置。此外，互联网上的信息充其量是稀缺的，所以我有点迷路了；但我确实读过wchar_t不应该用于Unicode，这正是我迄今为止一直在做的，所以请帮忙：(

【问题讨论】：

这只是typedef 的整数类型，例如unsigned short 或unsigned int。没什么好说的了。
@DeiDei 所以，我真的不需要它们吗？有趣的。不过我还是想知道他们住在哪里……
如果它们不存在，您可以随时自己键入定义...
他们驻留在uchar.h。这就是标准所说的。如果您在某个实现中找不到它们，那纯粹是该实现的一个细节。它可能包含在文件的更深处。
@DeiDei - 这并不完全正确。 unsigned short 至少为 16 位（在任何现代健全的平台上都是如此）；但unsigned int 不需要必须是 32 位。另一方面，unsigned long 至少需要 32 位宽。综上所述，不能提供准确的 8、16、32、64 位无符号/有符号类型（通过平台或编译器）的平台应被视为失败的 ISA/ABI。

标签： c macos unicode clang constants

【解决方案1】：

char16_t 和 char32_t 在 C 标准中指定。（以下引用来自 2018 年标准。）

根据第 7.28 条，标头 <uchar.h> 将它们声明为无符号整数类型，分别用于 16 位和 32 位字符。您不必在任何其他标题中寻找它们； #include <uchar.h> 应该足够了。

同样根据第 7.28 节，这些类型中的每一个都是具有所需位数的最窄无符号整数类型。（例如，在仅支持 8、18、24、36 和 50 位的无符号整数的实现上，char16_t 必须是 18 位大小；它不能是 24，char32_t 将必须是 36 岁。）

根据第 6.4.5 条，当字符串文字以 u 或 U 为前缀时，如 u"abc" 或 U"abc"，它是一个宽字符串文字，其中元素的类型为 char16_t 或char32_t，分别。

根据第 6.10.8.2 条，如果 C 实现将预处理器宏 __STDC_UTF_16__ 定义为 1，则表明 char16_t 值是 UTF-16 编码的。同样，__STDC_UTF_32__ 表示 char32_t 值是 UTF-32 编码的。在没有这些宏的情况下，不会对编码进行断言。

【讨论】：

我绝对不能在 macOS 上包含这样的标题。
@RodrigoPelissier：确实，它似乎不存在于 macOS 上，尽管它适用于 iOS。我建议就此向 Apple 提交错误报告。我希望使用typedef 将类型定义为uint_least16_t 和uint_least32_t 可能是一种解决方法。 C 标准要求它们与那些类型相同。
如何处理 EOF？
@RodrigoPelissier “我怎么能用这些处理 EOF”听起来像是另一个问题。也许在这里接受一个答案并发布一个新的查询。
问题是Apple定义了__CHAR16_TYPE__，但没有在MacOS SDK中包含uchar.h，所以即使是预处理器也无法在不禁用所有Apple平台的情况下拯救你。

【解决方案2】：

微软有一个中肯的描述：https://docs.microsoft.com/en-us/cpp/cpp/char-wchar-t-char16-t-char32-t?view=vs-2017

char 是原始的，通常是 8 位的字符表示。
wchar 是 Windows 使用的 16 位“宽字符”。 Microsoft 是 Unicode 的早期采用者，不幸的是，这使他们陷入了这种仅在 Windows 上使用的编码。
char16 和 char32，用于 UTF-16 和 -32

大多数非 Windows 系统使用 UTF-8 进行编码（甚至 Windows 10 也采用这种编码，https://en.wikipedia.org/wiki/Unicode_in_Microsoft_Windows#UTF-8）。 UTF-8 是目前网络上最常用的编码。（参考：https://en.wikipedia.org/wiki/UTF-8）

UTF-8 存储在一系列字符中。 UTF-8 可能是最容易采用的编码，具体取决于您的操作系统。

【讨论】：

我希望它能在尽可能多的平台上工作，但我目前专注于 macOS。我将语言环境设置为 UTF-8，但仅使用 char 时仍然遇到问题（我无法遍历它们，因为一个包含多个字符）。所以我使用了wchar_t，至少在我的Mac上，它运行良好；但是当我之前读到wchar_t 不应该用于此类目的时，我有点担心。
您是对的，因为您不能再像使用 ASCII 那样迭代 char 数组。一个字符可以是 1、2、3 或更多字节。虽然 UTF8 向后兼容，例如strcpy，对于迭代或 strlen 而言并非如此-它们对字节而不是字符进行操作。有趣的阅读：utf8everywhere.org。这个问题有提供跨平台解决方案的答案：stackoverflow.com/questions/4579215/…