CKTIS / C++
char32_t — tipo de carácter para UTF-32
char32_t es un tipo entero integrado y distinto que se usa para unidades de código UTF-32. El prefijo U crea los literales de carácter y de cadena correspondientes. El tipo proporciona al menos 32 bits de valor, pero no valida Unicode por sí mismo ni garantiza un tamaño de cuatro bytes.
Versión: C++23; repository compiler flag, production runtime not attested
Sintaxis
char32_t value = U'\U0001F600';
const char32_t text[] = U"A\U0001F600";char32_t es un tipo integrado de carácter y entero; no se necesita ninguna cabecera para declararlo. Es un tipo distinto, no un alias de unsigned int ni de std::uint_least32_t. Este último es su tipo subyacente y proporciona al menos 32 bits de valor. Por tanto, no supongas que sizeof(char32_t) == 4.
La U mayúscula es importante: U'\U0001F600' es un literal de tipo char32_t, mientras que U"A\U0001F600" es un array terminado en cero de elementos const char32_t, codificado en UTF-32. Tiene tres elementos: A, U+1F600 y el terminador. La u minúscula indica UTF-16 y el tipo char16_t, no char32_t.
En UTF-32 bien formado, una unidad de código representa un valor escalar Unicode. Sin embargo, char32_t es en sí un tipo entero: también puede almacenar valores no válidos en UTF-32, por lo que los datos externos deben validarse. El número de unidades de código no tiene por qué coincidir con el número de caracteres que percibe el usuario.
En el entorno verificado, el ejemplo muestra el valor numérico de U+1F600 (128512) y, a continuación, el número de unidades de código sin contar el terminador (2). Ese resultado no garantiza la portabilidad del ejemplo. Si std::size_t es un tipo entero extendido sin signo con un rango de conversión superior al de int, el resultado sigue siendo de tipo std::size_t tras restar 1. En ese caso, la resolución de la sobrecarga de operator<< al mostrar ese número puede ser ambigua e impedir que el ejemplo compile. La conversión a unsigned long sirve para mostrar un número, no para codificar texto; mostrar el símbolo requiere una codificación aparte adecuada para la salida. La fuente proporcionada es un borrador de estándar en evolución, no una publicación definitiva de C++23.
Ejemplos
#include <iostream>
int main() {
constexpr char32_t symbol = U'\U0001F600';
constexpr char32_t text[] = U"A\U0001F600";
static_assert(text[1] == symbol);
static_assert(sizeof(text) / sizeof(text[0]) == 3);
std::cout << static_cast<unsigned long>(symbol) << '\n';
std::cout << sizeof(text) / sizeof(text[0]) - 1 << '\n';
}
Resultado
128512 2
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.