C++20 'char8_t' 和我们的旧 'char' 一样吗？

Question

在 CPP 参考 documentation，

我注意到char

字符类型足够大，可以表示任何 UTF-8 八位 代码单元（C++14 起）

对于char8_t

用于 UTF-8 字符表示的类型，需要足够大 表示任何 UTF-8 代码单元（8 位）

这是否意味着两者都是同一类型？还是char8_t 有其他功能？

Answer 1

免责声明：我是char8_t P0482 和P1423 提案的作者。

在 C++20 中，char8_t 是不同于所有其他类型的类型。在 C 的相关提案中，N2653、char8_t 是 unsigned char 的 typedef，类似于 char16_t 和 char32_t 的现有 typedef。

在 C++20 中，char8_t 具有与 unsigned char 匹配的基础表示。因此，它具有与unsigned char 相同的大小（至少 8 位，但可能更大）、对齐和整数转换等级，但具有不同的别名规则。

特别是，char8_t 没有添加到[basic.lval]p11 的类型列表中。 [basic.life]p6.4、[basic.types]p2 或 [basic.types]p4。这意味着，与unsigned char不同，它不能用于其他类型对象的底层存储，也不能用于检查其他类型对象的底层表示；换句话说，它不能用于给其他类型起别名。这样做的结果是char8_t 类型的对象可以通过指向char 或unsigned char 的指针访问，但指向char8_t 的指针不能用于访问char 或unsigned char 数据。换句话说：

reinterpret_cast<const char   *>(u8"text"); // Ok.
reinterpret_cast<const char8_t*>("text");   // Undefined behavior.

具有这些属性的不同类型的动机是：

1. 为 UTF-8 字符数据与具有取决于区域设置或需要单独规范的编码的字符数据提供不同的类型。

2. 启用普通字符串文字与 UTF-8 字符串文字的重载（因为它们可能具有不同的编码）。

3. 确保 UTF-8 数据的无符号类型（char 是有符号还是无符号由实现定义）。

4. 通过非锯齿类型实现更好的性能；优化器可以更好地优化不给其他类型起别名的类型。

Answer 2

char8_t 与 char 不同。它的行为与unsigned char 完全相同，尽管根据[basic.fundamental]/9

类型char8_­t 表示其基础类型为unsigned char 的独特类型。类型char16_­t 和char32_­t 表示不同类型，其基础类型分别为uint_­least16_­t 和uint_­least32_­t，在<cstdint>. 中

^强调我的

---

请注意，由于标准将其称为不同类型，因此代码类似于

std::cout << std::is_same_v<unsigned char, char8_t>;

将打印0(false)，即使char8_t 被实现为unsigned char。这是因为它不是别名，而是不同的类型。

---

另外需要注意的是char 可以实现为signed char 或unsigned char。这意味着char 可能具有与char8_t 相同的范围和表示，但它们仍然是不同的类型。 char、signed char、unsigned char 和 char8_t 的大小相同，但它们都是不同的类型。