KennisbankExamencentrum
NL · NLNederlands (Nederland)
Taal kiezen13

CKTIS / C++

char32_t — tekentype voor UTF-32

char32_t is een ingebouwd, afzonderlijk integertype dat wordt gebruikt voor UTF-32-code-eenheden. Het voorvoegsel U maakt de bijbehorende teken- en stringliteralen. Het type biedt minstens 32 waardebits, maar valideert Unicode niet zelf en garandeert geen grootte van vier bytes.

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

Syntax

char32_t value = U'\U0001F600';
const char32_t text[] = U"A\U0001F600";

char32_t is een ingebouwd teken- en integertype; voor de declaratie is geen header nodig. Het is een afzonderlijk type, geen alias voor unsigned int of std::uint_least32_t. Dat laatste is het onderliggende type en biedt minstens 32 waardebits. Ga er daarom niet van uit dat sizeof(char32_t) == 4.

De hoofdletter U is van belang: U'\U0001F600' is een literal van het type char32_t, terwijl U"A\U0001F600" een met nul afgesloten array van const char32_t-elementen is, gecodeerd in UTF-32. De array heeft drie elementen: A, U+1F600 en de terminator. De kleine u staat voor UTF-16 en het type char16_t, niet voor char32_t.

In geldige UTF-32 stelt één code-eenheid één Unicode-scalairwaarde voor. char32_t is zelf echter een integertype: het kan ook waarden bevatten die ongeldig zijn in UTF-32, dus externe gegevens moeten worden gevalideerd. Het aantal code-eenheden hoeft niet gelijk te zijn aan het aantal tekens dat een gebruiker ervaart.

In de geteste omgeving toont het voorbeeld de numerieke waarde van U+1F600 (128512), gevolgd door het aantal code-eenheden zonder de terminator (2). Die uitvoer bewijst niet dat het voorbeeld overdraagbaar is. Als std::size_t een uitgebreid integertype zonder teken is met een hogere conversierang dan int, heeft het resultaat na aftrek van 1 nog steeds het type std::size_t. Bij het weergeven van het aantal kan de keuze van de juiste overload van operator<< dan dubbelzinnig zijn, waardoor het voorbeeld mogelijk niet compileert. De conversie naar unsigned long dient om een getal weer te geven, niet om tekst te coderen; voor het weergeven van het symbool is een aparte codering nodig die geschikt is voor de uitvoer. De opgegeven bron is een zich ontwikkelend concept van een standaard, geen definitieve C++23-publicatie.

Voorbeelden

#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';
}

Resultaat

128512
2

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.

Bronnen