Base de conocimientosCentro de exámenes
ESEspañol
Elegir idioma13

CKTIS / C++

char8_t — tipo de unidad de código UTF-8

char8_t es un tipo entero distinto destinado a las unidades de código UTF-8; no es un alias de unsigned char. El prefijo u8 produce datos de este tipo, pero una unidad de código no tiene por qué representar un carácter Unicode completo.

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

Sintaxis

char8_t unit = u8'A';
const char8_t text[] = u8"\u00E9";

char8_t es un tipo entero integrado, distinto de char y unsigned char; su tipo subyacente es unsigned char. No requiere ninguna cabecera. Sirve para representar unidades de código UTF-8, no cualquier carácter Unicode completo. El tipo por sí solo no valida una secuencia UTF-8 almacenada.

El literal u8'A' tiene el tipo char8_t. El carácter escrito en un literal de este tipo debe caber en una sola unidad de código UTF-8. El literal de cadena u8"\u00E9" tiene un tipo de array cuyos elementos son const char8_t y contiene dos unidades de código para U+00E9, seguidas de un cero terminador. Por tanto, el número de unidades de código no equivale al número de caracteres.

std::u8string, disponible mediante <string>, es un alias de std::basic_string<char8_t>. Un const char8_t* no se convierte implícitamente en const char*: una API que acepte este último tipo requiere adaptar los datos de forma deliberada. Una regla de inicialización independiente permite char text[] = u8"abc";; esto no hace compatibles los tipos de puntero.

En el entorno donde se verificó, el ejemplo muestra el número de unidades de código sin contar el cero terminador y los valores numéricos de esas unidades. La salida no depende de la capacidad del terminal para mostrar UTF-8. Los valores de las unidades se convierten explícitamente a unsigned int, pero la expresión que calcula su número no. Si std::size_t es un tipo entero extendido sin signo de rango superior al de int, esa expresión conserva el tipo std::size_t y la resolución de sobrecarga de << puede ser ambigua al escribir el número en std::cout. Esta entrada se refiere a C++23; el borrador de trabajo citado es un documento en evolución, no una publicación definitiva de C++23. La configuración del compilador del repositorio no acredita el funcionamiento del entorno de ejecución en producción.

Ejemplos

#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';
}

Resultado

2
195 169

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