std::string 和 std::u16string（或 u32string）之间的区别答案

【问题标题】：Difference between std::string and std::u16string (or u32string)std::string 和 std::u16string（或 u32string）之间的区别
【发布时间】：2014-09-17 02:07:29
【问题描述】：

在这里提问之前我已经参考了以下帖子：

std::string, wstring, u16/32string clarification
std::u16string, std::u32string, std::string, length(), size(), codepoints and characters

但他们不是我的问题。看下面的简单代码：

#include<iostream>
#include<string>
using namespace std;

int main ()
{
  char16_t x[] = { 'a', 'b', 'c', 0 };
  u16string arr = x;

  cout << "arr.length = " << arr.length() << endl;
  for(auto i : arr)
    cout << i << "\n";
}

输出是：

arr.length = 3  // a + b + c
97
98
99

鉴于此，std::u16string 由 char16_t 而不是 char 组成，输出不应该是：

arr.length = 2  // ab + c(\0)
<combining 'a' and 'b'>
99

请原谅我的新手问题。我的要求是弄清楚新 C++11 字符串的概念。

编辑：

从@Jonathan 的回答中，我发现我的问题存在漏洞。我的观点是如何初始化char16_t，使arr的长度变成2（即ab，c\0）。
仅供参考，下面给出了不同的结果：

  char x[] = { 'a', 'b', 'c', 0 };
  u16string arr = (char16_t*)x;  // probably undefined behavior

输出：

arr.length = 3
25185
99
32767

【问题讨论】：

您有一个 array 的 char16_t 元素。你用3 元素初始化它...
@JonathanWakely，是的，确实，我的打字和我的想法有点冲突:)。点正在 - 使用 fixed 数量的元素进行初始化。
+1 @downvoters：为什么要否决这个？这并不令人兴奋，但这是一个值得一提的陷阱。

标签： c++ string c++11 output

【解决方案1】：

不，您创建了一个包含四个元素的数组，第一个元素是'a' 转换为char16_t，第二个元素是'b' 转换为char16_t 等等。

然后，您从该数组创建一个u16string（转换为指针），它会读取每个元素直到空终止符。

【讨论】：

【解决方案2】：

当你这样做时：

char16_t x[] = { 'a', 'b', 'c', 0 };

类似于这样做（不支持字节顺序）：

char x[] = { '\0', 'a', '\0', 'b', '\0', 'c', '\0', '\0' };

每个字符在内存中占用 两个字节。

因此，当您询问 u16string 的长度时，每个两个字节都被计为一个字符。毕竟，它们是两字节（16 位）字符。

编辑：

您的另一个问题是创建一个没有空终止符的字符串。

试试这个：

char x[] = { 'a', 'b', 'c', 0 , 0, 0};
u16string arr = (char16_t*)x;

现在第一个字符是{'a', 'b'}，第二个字符是{'c', 0}，你还有一个空终止符{0, 0}。

【讨论】：

【解决方案3】：

输出不应该是：

arr.length = 2
// ab + c(\0) 99

没有。 x 的元素是 char16_t，不管你为初始化提供了 char 字面量：

#include<iostream>

int main () {
    char16_t x[] = { 'a', 'b', 'c', 0 };
    std::cout << sizeof(x[0]) << std::endl;
}

输出：

Live example

附录，指问题的编辑

我不完全建议将终止从字符串中移除。 ;)

#include<iostream>
#include<string>

int main () {
    char x[] = { 'a', 'b', 'c', 0, 0, 0, 0, 0};

    std::wstring   ws   = reinterpret_cast<wchar_t*>(x);
    std::u16string u16s = reinterpret_cast<char16_t*>(x);

    std::cout << "sizeof(wchar_t):  "       << sizeof(wchar_t)
              << "\twide string length: "   << ws.length()   
              << std::endl;

    std::cout << "sizeof(char16_t): "       << sizeof(char16_t)
               << "\tu16string length:  "   << u16s.length()   
               << std::endl;
}

Live example

输出（用 g++ 编译）

sizeof(wchar_t):  4 wide string length: 1
sizeof(char16_t): 2 u16string length:   2

正如预期的那样，不是吗。

【讨论】：

我想你已经用一个例子搞定了！谢谢。你能看看编辑过的问题吗？

【解决方案4】：

C++ 支持以下方式从 8 位整数构建 16 位整数：

char16_t ab = (static_cast<unsigned char>('a') << 8) | 'b';
// (Note: cast to unsigned meant to prevent overflows)

【讨论】：