在C ++ 11中对字符串文字进行Unicode编码
在相关的问题之后 ，我想问一下C ++ 11中的新字符和字符串文字类型。 现在看来，我们现在有四种字符和五种字符串文字。 字符类型：
char a = '\x30'; // character, no semantics wchar_t b = L'\xFFEF'; // wide character, no semantics char16_t c = u'\u00F6'; // 16-bit, assumed UTF16? char32_t d = U'\U0010FFFF'; // 32-bit, assumed UCS-4 和字符串文字：
char A[] = "Hello\x0A"; // byte string, "narrow encoding" wchar_t B[] = L"Hell\xF6\x0A"; // wide string, impl-def'd encoding char16_t C[] = u"Hell\u00F6"; // (1) char32_t D[] = U"Hell\U000000F6\U0010FFFF"; // (2) auto E[] = u8"\u00F6\U0010FFFF"; // (3)
问题是： \x / \u / \U字符引用是否可以与所有字符串类型自由组合？ 所有的字符串类型都是固定宽度的，也就是说，数组中包含的字符数量与字面上显示的字符数量一样多，或者是\x / \u / \U引用扩展为可变数量的字节？ 你和u""字符串是否有编码的语义，例如我可以说char16_t x[] = u"\U0010FFFF" ，非BMP的编码点被编码成两个单位的UTF16序列？ 和u8类似吗？ 在（1）中，我可以写出单独的代理吗？ 最后，是否有任何字符串函数编码感知（即他们是字符感知和可以检测无效的字节序列）？
这是一个开放式的问题，但我想尽可能地得到新的C ++ 11的新的UTF编码和类型设施的图片。
\ x / \ u / \ U字符引用是否可以与所有字符串类型自由组合？
编号\x可用于任何内容，但\u和\U只能在特定于UTF编码的字符串中使用。 但是，对于任何UTF编码的字符串， \u和\U都可以按照您认为合适的方式使用。
所有的字符串类型都是固定宽度的，也就是说，数组中包含的字符数量与字面上显示的字符数量一样多，或者是\ x / \ u / \ U引用扩展为可变数量的字节？
不是你的意思。 \x ， \u和\U根据字符串编码进行转换。 这些“代码单元”（使用Unicode术语， char16_t是UTF-16代码单元）的数量取决于包含字符串的编码。 文字u8"\u1024"会创建一个包含2个char和一个空终止符的字符串。 字面u"\u1024"会创建一个包含1个char16_t加上一个空终止符的字符串。
所用代码单元的数量基于Unicode编码。
你和你的字符串是否有编码的语义，例如我可以说char16_t x [] = u“\ U0010FFFF”，非BMP的编码点被编码成两个单位的UTF16序列？
u""创建一个UTF-16编码的字符串。 u8""创建一个UTF-8编码的字符串。 它们将按照Unicode规范进行编码。
在（1）中，我可以写出单独的代理吗？
绝对不。 规范明确禁止使用UTF-16代理对（0xD800-0xDFFF）作为\u或\U代码点。
最后，是否有任何字符串函数编码感知（即他们是字符感知和可以检测无效的字节序列）？
绝对不。 那么，请允许我重述一下。
std::basic_string不处理Unicode编码。 他们当然可以存储 UTF编码的字符串。 但是他们只能把它们看作char ， char16_t或char32_t序列; 他们不能把它们想象成一系列用特定机制编码的Unicode码点。 basic_string::length()将返回代码单元的数量，而不是代码点。 显然，C标准库字符串函数是完全没用的
但是应该指出的是，Unicode字符串的“长度”并不意味着代码点的数量。 一些代码点正在组合“字符”（一个不幸的名字），它与以前的代码点相结合。 所以多个代码点可以映射到一个可视化的字符。
Iostreams实际上可以读/写Unicode编码的值。 为此，您将不得不使用语言环境来指定编码，并将其适当地插入到各个位置。 这说起来容易做起来难，我没有任何代码来告诉你如何。
