CKTIS / C++
std::u8string — низ от кодови единици UTF-8
std::u8string е псевдоним на std::basic_string<char8_t> от <string>. Съхранява кодови единици UTF-8, но не проверява валидността на кодирането; size() не брои знаците така, както ги възприема потребителят.
Версия: C++23; repository compiler flag, production runtime not attested
Синтаксис
#include <string>
std::u8string text = u8"...";
// Alias: std::basic_string<char8_t>std::u8string от <string> е псевдоним на std::basic_string<char8_t>. Той управлява непрекъсната памет и позволява промяна на дължината на низа. Инициализирайте го с UTF-8 литерал, например std::u8string text = u8"A\u00E9";. Префиксът u8 създава литерал с елементи от тип char8_t.
size() и достъпът по индекс се отнасят до кодови единици, а не до кодови точки на Unicode или знаци, възприемани от потребителя. В примера A, é и ! заемат общо четири UTF-8 единици. Операция на отделен индекс може да раздели многокомпонентното кодиране на знак. Контейнерът не проверява UTF-8 и не извършва нормализация на Unicode.
c_str() предоставя const char8_t*; крайната нула не се включва в size(). Това не е const char*: std::u8string не се преобразува неявно в std::string и не може да се изведе директно с std::cout << text. Интеграцията с интерфейс, базиран на char, изисква изрична обработка на представянето и договора за кодиране.
Тази статия е за C++23. Посоченият в хранилището стандарт за компилация не доказва съвместимост с производствената среда за изпълнение. Източникът eel.is е развиващ се проект, а не замразена публикация на C++23.
Примери
#include <iostream>
#include <string>
int main() {
std::u8string text = u8"A\u00E9";
text += u8"!";
std::cout << "code units: " << text.size() << '\n';
std::cout << "terminator: "
<< static_cast<unsigned int>(text.c_str()[text.size()])
<< '\n';
}
Резултат
code units: 4 terminator: 0
Показаният код и заявеният резултат са проверени в изолирана среда по метода, записан в доказателството за проверка на тази точна версия.