Znalostní bázeCentrum zkoušek
CSČeština
Vybrat jazyk13

CKTIS / C++

std::u8string — řetězec jednotek kódu UTF-8

std::u8string je alias pro std::basic_string<char8_t> z hlavičky <string>. Ukládá jednotky kódu UTF-8, ale neověřuje platnost kódování; size() nepočítá znaky vnímané uživatelem.

Verze: C++23; repository compiler flag, production runtime not attested

Syntaxe

#include <string>
std::u8string text = u8"...";
// Alias: std::basic_string<char8_t>

std::u8string z hlavičky <string> je alias pro std::basic_string<char8_t>. Spravuje souvislou paměť a umožňuje měnit délku řetězce. Inicializujte jej literálem UTF-8, například std::u8string text = u8"A\u00E9";. Prefix u8 vytvoří literál s prvky typu char8_t.

size() a přístup pomocí indexu se vztahují k jednotkám kódu, nikoli k bodům kódu Unicode nebo znakům vnímaným uživatelem. V příkladu zabírají A, é a ! celkem čtyři jednotky UTF-8. Operace na jednom indexu může rozdělit vícejednotkové kódování znaku. Kontejner UTF-8 neověřuje ani neprovádí normalizaci Unicode.

c_str() zpřístupňuje const char8_t*; koncová nula se do size() nezapočítává. Nejde o const char*: std::u8string se implicitně nepřevádí na std::string a nelze jej přímo vypsat pomocí std::cout << text. Integrace s rozhraním založeným na char vyžaduje výslovné zpracování reprezentace a smlouvy o kódování.

Tento záznam se zaměřuje na C++23. Standard kompilace uvedený v repozitáři nedokládá kompatibilitu produkčního běhového prostředí. Zdroj eel.is je průběžně vyvíjený návrh, nikoli neměnné vydání C++23.

Příklady

#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';
}

Výsledek

code units: 4
terminator: 0

Zobrazený kód a uvedený výsledek byly ověřeny v izolovaném prostředí metodou zaznamenanou v dokladu o ověření této přesné verze.

Zdroje