用基本多语言平面之外的字符文字代码点分配 char16_t

Question

在我今天早些时候观看的关于 Unicode 的一次演讲中，当您尝试分配一个太长而无法由 char16_t 类型表示的字符文字时，会发生什么情况有些混乱。演示者说，根据对标准的阅读，该程序应该是格式错误的，但 gcc 无论如何都会接受它。他没有澄清，Youtube 也不允许我提问。

我自己的测试确认以下代码被g++-4.8和g++-4.9接受。 （带有警告。）

int main() {
  char16_t a = u'\U0001F378';
}

http://coliru.stacked-crooked.com/a/6cb2206660407a8d
https://eval.in/188979

另一方面，clang 3.4 会产生错误。

哪个编译器是正确的？我找不到这方面的章节。

另外一个小问题，字符文字部分 §2.14.3 没有在 W 语法或部分正文中提及 \u 和 \U 转义序列。这是疏忽吗？

Answer 1

程序格式错误，应该无法编译。

2.14.3/2 以字母 u 开头的字符文字，例如 u'y'，是 char16_t 类型的字符文字。这 包含单个 c-char 的 char16_t 文字的值等于其 ISO 10646 代码点值，前提是 代码点可以用单个 16 位代码单元表示。 （也就是说，只要它是基本的多语言 平面代码点。）如果该值在 16 位内无法表示，则程序格式错误...

强调我的。

\u 和 \U 不是 2.14.3 含义内的转义序列。它们是通用字符名称，在 2.3/2 中进行了描述。它们不仅限于字符和字符串字面量，还可能出现anywhere in the program:

int main() {
    int \u0410 = 42;
    return \u0410;
}

\u0410 是 A，又名西里尔大写字母 A。