Unicode 异常 what()

Question

或者，“俄罗斯人如何抛出异常？”

std::exception的定义是：

namespace std {
  class exception {
  public:
    exception() throw();
    exception(const exception&) throw();
    exception& operator=(const exception&) throw();
    virtual ~exception() throw();
    virtual const char* what() const throw();
  };
}

用于设计异常层次结构的popular school of thought 是从 std::exception 派生的：

一般来说，最好扔东西， 不是内置插件。如果可能的话，你应该 抛出派生类的实例 （最终）来自 std::exception 班级。通过使您的异常类 （最终）从标准继承 异常基类，您正在制作 让您的用户生活更轻松（他们有 捕捉大多数东西的选项 std::exception)，另外你可能是 为他们提供更多信息 （例如，您的特定 例外可能是对 std::runtime_error 或其他）。

但是面对Unicode，设计一个同时实现以下两个的异常层次结构似乎是不可能的：

• 最终从 std::exception 派生，以便在捕获站点使用
• 提供 Unicode 兼容性，因此诊断不会被分割或乱码

想出一个可以用 Unicode 字符串构造的异常类很简单。但是标准规定 what() 必须返回一个 const char*，因此在某些时候必须将输入字符串转换为 ASCII。无论是在构建时完成还是在调用 what() 时完成（如果源字符串使用 7 位 ASCII 无法表示的字符），可能无法在不丢失保真度的情况下格式化消息。

您如何设计一个异常层次结构，将 std::exception 派生类的无缝集成与无损 Unicode 诊断相结合？

Answer 1

char* 不代表 ASCII。您可以使用 8 位 Unicode 编码，如 UTF-8。 char 也可以是 16 位或更多，然后您可以使用 UTF-16。

Answer 2

返回 UTF-8 是一个显而易见的选择。如果使用您的异常的应用程序使用不同的多字节编码，那么它可能很难显示字符串。 （它不能知道它是 UTF-8，可以吗？） 另一方面，对于 ISO-8859-* 8 位编码（西欧、西里尔文等），显示 UTF-8 字符串将“只是”显示一些乱码，如果您不能这样做，您（或您的用户）可能会很好顺便说一句，消除歧义。语言环境字符集和 UTF-8 中的 char*。

我个人认为只有低级错误消息应该进入 what() 字符串，我个人认为这些应该是英文的。 （可能结合了一些错误号或诸如此类的东西。）

我看到的what() 最糟糕的问题是在what() 消息中包含一些上下文细节并不少见，例如文件名。文件名通常是非 ASCII，因此您别无选择，只能使用 UTF-8 作为what() 编码。

另请注意，您的异常类（从 std::exception 派生）显然可以提供您喜欢的任何访问方法，因此添加显式 what_utf8() 或 what_utf16() 或 what_iso8859_5() 可能是有意义的。

编辑：关于 John 关于如何返回 UTF-8 的评论：

如果你有一个const char* what() 函数，这个函数本质上会返回一堆字节。在西欧 windows 平台上，这些字节通常会被编码为 Win1252，但在俄罗斯 windows 上，它可能会被编码为 Win1251。

字节返回的含义取决于它们的编码，而它们的编码取决于它们“来自”的位置（以及解释它们的人）。字符串文字的编码是在编译时定义的，但在运行时仍然取决于应用程序如何解释这些。

因此，要让您的异常返回带有 what()（或 what_utf8()）的 UTF-8 字符串，您必须确保：

• 异常的输入消息具有明确定义的编码
• 您为用于保存消息的字符串成员定义了明确的编码。
• 你在调用what()时适当地转换编码

例子：

struct MyExc : virtual public std::exception {
  MyExc(const char* msg)
  : exception(msg)
  { }
  std::string what_utf8() {
    return convert_iso8859_1_to_utf8( what() );
  }
};

// In a ISO-8859-1 encoded source file
const char* my_err_msg = "ISO-8859-1 ... äöüß ...";
...
throw MyExc(my_err_msg);
...
catch(MyExc const& e) {
  std::string iso8859_1_msg = e.what();
  std::string utf_msg = e.what_utf8();
...

转换也可以放在 MyExc() 的（覆盖的）what() 成员函数中或您可以定义异常以采用已经 UTF-8 编码的字符串 或 您可以在 ctor 中转换（从预期的输入编码，可能是 wchar_t/UTF-16）。

Answer 3

第一个问题是你打算用 what() 字符串做什么？

您打算在某处记录信息吗？

如果是这样，您不应该使用 what() 字符串的内容，您应该使用该字符串作为参考来查找正确的 local 特定日志消息。所以对我来说，what() 的内容不是用于记录目的（或任何形式的显示），它是一种查找实际记录字符串（可以是任何 Unicode 字符串）的方法。

现在； what() 字符串可以是 us-full 以包含人类可读的消息，以帮助开发人员快速调试（但对于这种高度可读的修饰文本不是必需的）。因此，没有理由支持 ASCII 以外的任何东西。遵守 KISS 原则。

Answer 4

const char* 不必指向 ASCII 字符串；它可以是多字节编码，例如 UTF-8。一种选择是使用wcstombs() 和朋友将wstrings 转换为字符串，但您可能必须在打印之前将what() 的结果转换回wstring。它还涉及到更多的复制和内存分配，这超出了您在异常处理程序中的承受能力。

我通常只定义自己的异常基类，它在构造函数中使用 wstring 而不是 string，并从 what() 返回一个 const wstring&。这没什么大不了的。缺乏标准是一个很大的疏忽。

另一个有效的观点是异常字符串永远不应该呈现给用户，因此没有必要对它们进行本地化，因此您不必担心上述任何问题。

Answer 5

标准没有指定 what() 返回的字符串是什么编码，也没有任何事实上的标准。在我的项目中，我只是将其编码为 UTF-8 并从 what() 返回。当然可能与其他库不兼容。

另见：https://stackoverflow.com/questions/1049947/should-utf-16-be-considered-harmful 为什么 UTF-8 是不错的选择。

Answer 6

在错误处理中添加unicode比较好：

try
{
   // some code
}
catch (std::exception & ex)
{
    report_problem(ex.what())
}

还有：

void report_problem(char const * const)
{
   // here we can convert char to wchar_t or do some more else
   // log it, save to file or message to user
}

Answer 7

what() 通常并不意味着向用户显示消息。除此之外，它返回的文本是不可本地化的（即使它是 Unicode）。我只是使用 what() 来向作为开发人员的您显示一些有价值的东西（例如引发异常的地方的源文件和行号），对于那种文本，ASCII 通常绰绰有余。

Answer 8

The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) 乔尔·斯波尔斯基（Joel Spolsky）

编辑：制作 CW，评论者可以根据需要编辑此链接相关的原因