KennisbankExamencentrum
NL · NLNederlands (Nederland)
Taal kiezen13

CKTIS / C++

char8_t — type voor UTF-8-code-eenheden

char8_t is een afzonderlijk integertype voor UTF-8-code-eenheden en geen alias van unsigned char. Het voorvoegsel u8 levert gegevens van dit type op, maar één code-eenheid stelt niet noodzakelijk een volledig Unicode-teken voor.

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

Syntax

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

char8_t is een ingebouwd integertype dat verschilt van char en unsigned char; het onderliggende type is unsigned char. Er is geen header voor nodig. Het type is bedoeld voor UTF-8-code-eenheden, niet voor willekeurige volledige Unicode-tekens. Het type zelf controleert niet of een opgeslagen UTF-8-reeks geldig is.

Het literal u8'A' heeft het type char8_t. Een teken in zo’n literal moet in één UTF-8-code-eenheid passen. Het stringliteral u8"\u00E9" heeft een arraytype met elementen van het type const char8_t en bevat twee code-eenheden voor U+00E9, gevolgd door een afsluitende nul. Het aantal code-eenheden is dus niet hetzelfde als het aantal tekens.

std::u8string, beschikbaar via <string>, is een alias voor std::basic_string<char8_t>. Een const char8_t* wordt niet impliciet omgezet naar const char*: een API die het laatste type accepteert, vereist een bewuste aanpassing van de gegevens. Een afzonderlijke initialisatieregel staat char text[] = u8"abc"; toe; dat maakt de pointertypen niet compatibel.

In de omgeving waarin het voorbeeld is geverifieerd, toont het voorbeeld het aantal code-eenheden zonder de afsluitende nul en de numerieke waarden van die eenheden. De uitvoer hangt niet af van de UTF-8-weergave van de terminal. De waarden van de code-eenheden worden expliciet omgezet naar unsigned int, maar de expressie die het aantal berekent niet. Als std::size_t een uitgebreid integertype zonder teken is met een hogere rang dan int, behoudt die expressie het type std::size_t. Bij het schrijven van het aantal naar std::cout kan de keuze tussen de overloads van << dan dubbelzinnig zijn. Dit artikel gaat over C++23; het genoemde werkdocument is een document in ontwikkeling en geen onveranderlijke C++23-publicatie. De compilerinstelling in de repository bevestigt niet dat de productie-runtime werkt.

Voorbeelden

#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';
}

Resultaat

2
195 169

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