Base de conocimientosCentro de exámenes
ESEspañol
Elegir idioma13

CKTIS / C++

char16_t — tipo de unidad de código UTF-16

char16_t es un tipo entero integrado pensado para almacenar unidades de código UTF-16. Un valor no representa necesariamente un carácter Unicode completo: algunos puntos de código requieren un par de unidades de código.

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

Sintaxis

char16_t unit = u'A';
const char16_t text[] = u"A\U0001F600";

char16_t es un tipo carácter e integral integrado y distinto. Su tipo subyacente es std::uint_least16_t, pero no es un alias de ese tipo. Ofrece al menos 16 bits de valor; no des por supuesto que sizeof(char16_t) == 2. Para usar la palabra clave en sí no se necesita ningún encabezado.

El prefijo u crea literales UTF-16: u'A' tiene tipo char16_t, mientras que u"A" es un array terminado en cero de elementos const char16_t. Un carácter escrito en un literal de carácter debe caber en una unidad de código UTF-16. Por tanto, u'\U0001F600' no es válido, mientras que u"\U0001F600" sí es un literal de cadena válido.

Una unidad de código no es lo mismo que un punto de código ni que un carácter percibido por el usuario. En UTF-16, los puntos de código fuera del plano multilingüe básico requieren un par de sustitutos. El propio tipo char16_t no valida UTF-16: un array también puede contener sustitutos sin pareja.

El ejemplo almacena A y U+1F600: tres unidades de código más un cero final, lo que suma cuatro elementos del array. La división por sizeof(text[0]) cuenta elementos sin suponer un tamaño de byte. La salida mostrada se obtuvo en el entorno donde se ejecutó el ejemplo y no está garantizada en todas las implementaciones. Si std::size_t es un alias de unsigned char, en count - 1 se promociona count a int o unsigned int, y el resultado de la resta se imprime como número. En cambio, si std::size_t es un tipo entero extendido sin signo de rango superior al de int, count no se promociona y la elección de la sobrecarga de << para el resultado puede ser ambigua. La segunda instrucción inserta directamente en el flujo count, de tipo std::size_t. Si std::size_t es un alias de unsigned char, esa inserción escribe un carácter en lugar del dígito 4. Ninguna de las dos instrucciones imprime el texto UTF-16 almacenado en text. Esta entrada corresponde a C++23; el sitio proporcionado alberga un borrador de trabajo en evolución, no una publicación definitiva de C++23.

Ejemplos

#include <iostream>

int main() {
    constexpr char16_t unit = u'A';
    constexpr char16_t text[] = u"A\U0001F600";
    constexpr auto count = sizeof(text) / sizeof(text[0]);

    static_assert(unit == 0x0041);
    static_assert(count == 4);
    static_assert(text[1] == 0xD83D && text[2] == 0xDE00);
    static_assert(text[3] == 0);

    std::cout << "code units: " << count - 1 << '\n';
    std::cout << "array elements: " << count << '\n';
}

Resultado

code units: 3
array elements: 4

El código mostrado y el resultado declarado se verificaron en un entorno aislado mediante el método registrado en la evidencia de verificación de esta versión exacta.

Fuentes