在 C++ 17 中为 char8_t 做准备答案

【问题标题】：Preparing for char8_t in C++ 17在 C++ 17 中为 char8_t 做准备
【发布时间】：2019-11-07 19:30:40
【问题描述】：

我正在使用 Microsoft Visual C++ 16.1（2019 社区）并尝试编写在 C++ 2020 中“正确”的代码，预计该代码将具有 char8_t 类型，该类型将是无符号字符。我定义了一个这样的类型：

using char8_t = unsigned char;

代码如下：

std:string data;
const char8_t* ptr = data.c_str ();

无法编译，因为它不会在没有 reinterpret_cast 的情况下将有符号字符指针转换为无符号字符指针。我可以做些什么来为 2020 年做准备，而无需到处重新解释演员表吗？

【问题讨论】：

当char8_t 出现时，std::u8string 的std::basic_string 也将专门用于char8_t。在处理 UTF-8 字符串时，不要将 std::string 和 std::u8string 混合在一起。
"这将是一个无符号字符" char8_t 不是这样工作的。它是一种独特的类型，与 unsigned char 不同，尽管它可以显式且无损地转换为/从它们。
就using char8_t = char;

标签： c++

【解决方案1】：

感谢 cmets。 cmets 和进一步的研究纠正了引发原始问题的一个主要误解。我现在明白了 2020 char8_t 不是 UTF-8 字符，而 2020 u8string 是 not UTF-8 字符串。虽然它们可能用于“UTF-8 字符串”实现，但它们并非如此。

因此，使用reinterpret_cast 似乎是不可避免的，但可以隐藏/隔离到一组内联函数重载（或一组函数模板）。有必要将 utf8string 对象（可能作为模板）实现为不同的对象（如果在某些地方尚不可用）。

【讨论】：

【解决方案2】：

P1423 (char8_t backward compatibility remediation) 记录了许多方法，这些方法可用于补救由于通过P0482 (char8_t: A type for UTF-8 characters and strings) 采用char8_t 而造成的向后兼容性影响。

因为char8_t 是一种非别名类型，所以使用reinterpret_cast 是未定义的行为，例如，将char8_t 指针分配给指向char 的指针，如reinterpret_cast<const char8_t*>(data.c_str())。但是，因为char 和unsigned char 可以为任何类型起别名，所以可以在另一个方向使用reinterpret_cast，例如reinterpret_cast<const char*>(u8"text")。

P1423 中记录的补救方法都不是灵丹妙药。您需要评估最适合您的用例的方法。您可能还会欣赏C++20 with u8, char8_t and std::string 中的答案。

关于 char8_t 不是 UTF-8 字符和 u8string 不是 UTF-8 字符串，这是正确的，char8_t 是代码单元类型（不是代码点类型）并且u8string 不强制执行格式正确的 UTF-8 序列。但是，这些类型的意图是仅用于 UTF-8 数据。

【讨论】：