CKTIS / C++
char16_t — type voor UTF-16-code-eenheden
char16_t is een ingebouwd integertype dat bedoeld is voor het opslaan van UTF-16-code-eenheden. Eén waarde staat niet noodzakelijk voor een volledig Unicode-teken: sommige codepunten vereisen een paar code-eenheden.
Versie: C++23; repository compiler flag, production runtime not attested
Syntax
char16_t unit = u'A';
const char16_t text[] = u"A\U0001F600";char16_t is een afzonderlijk ingebouwd teken- en integertype. Het onderliggende type is std::uint_least16_t, maar char16_t is daarvan geen alias. Het biedt ten minste 16 waardebits; ga er niet van uit dat sizeof(char16_t) == 2. Voor het gebruik van het sleutelwoord zelf is geen header nodig.
Het voorvoegsel u maakt UTF-16-literals: u'A' heeft het type char16_t, terwijl u"A" een array van const char16_t-elementen is die eindigt op nul. Een teken in een tekenliteral moet in één UTF-16-code-eenheid passen. Daarom is u'\U0001F600' ongeldig, terwijl u"\U0001F600" een geldig stringliteral is.
Een code-eenheid is niet hetzelfde als een codepunt of een door een gebruiker waargenomen teken. In UTF-16 vereisen codepunten buiten het Basic Multilingual Plane een surrogaatpaar. Het type char16_t valideert UTF-16 zelf niet: een array kan ook ongepaarde surrogaten bevatten.
Het voorbeeld slaat A en U+1F600 op: drie code-eenheden plus een afsluitende nul, dus vier arrayelementen. Delen door sizeof(text[0]) telt elementen zonder een bepaalde bytegrootte aan te nemen. De getoonde uitvoer komt uit de omgeving waarin het voorbeeld is uitgevoerd en is niet voor alle implementaties gegarandeerd. Als std::size_t een alias is voor unsigned char, wordt count in count - 1 gepromoveerd tot int of unsigned int en wordt het resultaat van de aftrekking als getal weergegeven. Is std::size_t daarentegen een uitgebreid unsigned integertype met een hogere rang dan int, dan wordt count niet gepromoveerd en kan de keuze van de overload van << voor het resultaat dubbelzinnig zijn. De tweede instructie schrijft count rechtstreeks naar de uitvoerstroom als std::size_t. Als std::size_t een alias is voor unsigned char, schrijft die instructie een teken in plaats van het cijfer 4. Geen van beide instructies geeft de UTF-16-tekst in text weer. Dit artikel richt zich op C++23; de opgegeven site bevat een evoluerend werkdocument en geen definitieve C++23-publicatie.
Voorbeelden
#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';
}
Resultaat
code units: 3 array elements: 4
De getoonde code en het opgegeven resultaat zijn in een geïsoleerde omgeving geverifieerd met de methode die in het verificatiebewijs voor exact deze versie is vastgelegd.