CKTIS / C++
char8_t — typ jednotky kódu UTF-8
char8_t je samostatný celočíselný typ určený pro jednotky kódu UTF-8; nejde o alias typu unsigned char. Prefix u8 vytváří data tohoto typu, ale jedna jednotka kódu nemusí představovat celý znak Unicode.
Verze: C++23; repository compiler flag, production runtime not attested
Syntaxe
char8_t unit = u8'A';
const char8_t text[] = u8"\u00E9";char8_t je vestavěný celočíselný typ odlišný od char a unsigned char; jeho základním typem je unsigned char. Není k němu potřeba žádná hlavička. Slouží k reprezentaci jednotek kódu UTF-8, nikoli libovolných úplných znaků Unicode. Samotný typ neověřuje platnost uložené sekvence UTF-8.
Literál u8'A' má typ char8_t. Znak zapsaný v takovém literálu se musí vejít do jedné jednotky kódu UTF-8. Řetězcový literál u8"\u00E9" má typ pole s prvky typu const char8_t a obsahuje dvě jednotky kódu pro U+00E9, za nimiž následuje ukončovací nula. Počet jednotek kódu tedy není stejný jako počet znaků.
std::u8string, dostupný prostřednictvím <string>, je alias pro std::basic_string<char8_t>. const char8_t* se implicitně nepřevede na const char*: API přijímající druhý typ vyžaduje záměrnou úpravu dat. Samostatné pravidlo inicializace dovoluje char text[] = u8"abc";; tím se však typy ukazatelů nestávají kompatibilními.
V prostředí, ve kterém byl příklad ověřen, vypisuje počet jednotek kódu bez ukončovací nuly a jejich číselné hodnoty. Výstup nezávisí na schopnosti terminálu zobrazit UTF-8. Hodnoty jednotek se explicitně převádějí na unsigned int, výraz pro výpočet jejich počtu se však takto nepřevádí. Je-li std::size_t rozšířený celočíselný typ bez znaménka s vyšší konverzní hodností než int, výraz si zachová typ std::size_t a výběr přetížení operátoru << může být při výpisu počtu do std::cout nejednoznačný. Tento záznam se týká C++23; uvedený pracovní návrh je průběžně vyvíjený dokument, nikoli neměnné vydání C++23. Nastavení kompilátoru v repozitáři nedokládá provozuschopnost produkčního běhového prostředí.
Příklady
#include <iostream>
#include <type_traits>
int main() {
constexpr char8_t text[] = u8"\u00E9";
static_assert(!std::is_same_v<char8_t, unsigned char>);
static_assert(sizeof(text) / sizeof(text[0]) == 3);
static_assert(text[0] == 0xC3 && text[1] == 0xA9);
static_assert(text[2] == 0);
std::cout << sizeof(text) / sizeof(text[0]) - 1 << '\n';
std::cout << static_cast<unsigned int>(text[0]) << ' '
<< static_cast<unsigned int>(text[1]) << '\n';
}
Výsledek
2 195 169
Zobrazený kód a uvedený výsledek byly ověřeny v izolovaném prostředí metodou zaznamenanou v dokladu o ověření této přesné verze.