在C ++源代码中使用Unicode
什么是C ++源代码的标准编码？ C ++标准甚至会说这个吗？ 我可以用Unicode编写C ++源代码吗？
例如，我可以在注释中使用非ASCII字符，例如中文字符吗？ 如果是这样，是完全的Unicode允许的还是只是一个Unicode的子集？ （例如，这个16位的第一页或者其他的东西）。
此外，我可以使用Unicode的string？ 例如：
Wstring str=L"Strange chars: â Țđ ě €€"; 用C ++进行编码相当复杂。 这是我的理解。
每个实现都必须支持来自基本源字符集的字符 。 这些包括§2.2/ 1（C ++ 11中的§2.3/ 1）中列出的常见字符。 这些字符应该全部适合一个char 。 此外，实现必须支持使用名称为universal-character-names的方式来命名其他字符，并且看起来像\uffff或\Uffffffff ，可用于引用Unicode字符。 它们的一个子集可用于标识符（列于附件E）。
这一切都很好，但是从文件中的字符到源字符（在编译时使用）的映射是实现定义的。 这构成了使用的编码。 这就是字面意思（C ++ 98版本）：
如果需要，物理源文件字符以实现定义的方式映射到基本源字符集（为行尾指示符引入新行字符）。 Trigraph序列（2.3）被replace为相应的单字符内部表示。 任何不在基本源字符集（2.2）中的源文件字符都将replace为指定该字符的通用字符名称。 （一个实现可以使用任何内部编码，只要在源文件中遇到实际的扩展字符，并且在源文件中用通用字符名称（即使用\ uXXXX表示法）表示相同的扩展字符）等效）。
对于gcc，可以使用选项-finput-charset=charset来更改它。 此外，您可以更改用于在运行时表示值的执行字符。 对于这个适当的选项是char -fexec-charset=charset （默认为utf-8 ）和-fwide-exec-charset=charset （根据wchar_t的大小，缺省为utf-16或utf-32 ） 。
除了litb的post之外，MSVC ++也支持Unicode。 我知道它从BOM中获取Unicode编码。 它绝对支持像int (*♫)(); 或者const std::set<int> ∅; 如果你真的陷入代码混淆：
typedef void ‼; // Also known as \u203C class ooɟ { operator ‼() {} };
就我所知，C ++标准没有提到任何有关源代码文件编码的内容。
通常的编码是（或曾经是）7位的ASCII – 一些编译器（例如Borland's）会使用高位的ASCII字符。 如果你的编译器和编辑器接受它们，大多数现代的基于Linux的工具，以及许多更好的基于Windows的编辑器都可以毫无问题地处理UTF-8编码，我不确定微软的编译器会如何。
编辑：它看起来像微软的编译器将接受Unicode编码的文件，但有时也会产生8位ASCII错误：
warning C4819: The file contains a character that cannot be represented in the current code page (932). Save the file in Unicode format to prevent data loss.
这里有两个问题。 首先是C ++代码（和注释）允许使用哪些字符，如variables名称。 第二个是string和string中允许使用的字符。
如上所述，C ++编译器必须支持代码和注释中允许使用的字符的非常有限的基于ASCII的字符集。 在实践中，这个字符集对于一些欧洲字符集（特别是一些没有几个字符的欧式键盘 – 比如方括号 – 可用）来说效果不是很好，所以二合字母和三字符的概念是介绍。 许多编译器目前接受的不止这个字符集，但是没有任何保证。
至于string和string文字，C ++具有宽字符和宽string的概念。 但是，该字符集的编码是未定义的。 在实践中，它几乎总是Unicode，但我不认为这里有任何保证。 宽字符string文字看起来像L“string文字”，这些可以分配给std :: wstring的。
C ++ 11增加了对Unicodestring和string文字的显式支持，编码为UTF-8，UTF-16大端，UTF-16小端，UTF-32大端和UTF-32小端。
对于string中的编码，我认为你的意思是使用\ u表示法，例如：
std::wstring str = L"\u20AC"; // Euro character
还值得一提的是，C ++中的宽字符并不是真正的Unicodestring。 它们只是更大字符的string，通常是16，但有时是32位。 这是实现定义，但是，IIRC你可以有一个8位wchar_t你没有真正的保证，他们的编码，所以如果你正在尝试做文本处理的东西，你可能会需要一个typedef到最合适的整数types到你的Unicode实体。
C ++ 1x以UTF-8编码string文本（ u8"text" ），UTF-16和UTF-32数据types（ char16_t和char32_t IIRC）以及相应的string常量（ u"text"和U"text" ）。 但是，在没有\uxxxx或\Uxxxxxxxx常量的情况下指定的字符的编码仍然是实现定义的，但是（对于文字外部的复杂stringtypes没有编码支持）
在这种情况下，如果您得到MSVC ++警告C4819，只需将源文件编码更改为“带有Bom的UTF-8”。
GCC 4.1不支持，但是GCC 4.4做了，最新的Qt版本使用GCC 4.4，所以使用“UTF-8 with Bom”作为源文件编码。
AFAIK这是不规范的，因为你可以把任何types的字符在宽string。 你只需要检查你的编译器是否设置为Unicode源代码，以使其正确工作。
