Base de conhecimentoCentro de Exames
PT · PTPortuguês (Portugal)
Escolher idioma13

CKTIS / C++

char32_t — tipo de carácter para UTF-32

char32_t é um tipo inteiro distinto integrado na linguagem, utilizado para unidades de código UTF-32. O prefixo U cria os literais de carácter e de cadeia correspondentes. O tipo fornece pelo menos 32 bits de valor, mas não valida Unicode por si só nem garante uma dimensão de quatro bytes.

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

Sintaxe

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

char32_t é um tipo integrado de carácter e inteiro; não é necessário qualquer cabeçalho para o declarar. É um tipo distinto, não um alias de unsigned int nem de std::uint_least32_t. Este último é o seu tipo subjacente e fornece pelo menos 32 bits de valor. Por isso, não parta do princípio de que sizeof(char32_t) == 4.

O U maiúsculo é importante: U'\U0001F600' é um literal do tipo char32_t, enquanto U"A\U0001F600" é um array terminado em zero de elementos const char32_t, codificado em UTF-32. Tem três elementos: A, U+1F600 e o terminador. O u minúsculo representa UTF-16 e o tipo char16_t, não char32_t.

Em UTF-32 bem formado, uma unidade de código representa um valor escalar Unicode. Contudo, char32_t é, por si só, um tipo inteiro: também pode armazenar valores inválidos em UTF-32, pelo que os dados externos têm de ser validados. O número de unidades de código não tem necessariamente de corresponder ao número de caracteres percebidos pelo utilizador.

No ambiente verificado, o exemplo apresenta o valor numérico de U+1F600 (128512) e, em seguida, o número de unidades de código, excluindo o terminador (2). Este resultado não garante a portabilidade do exemplo. Se std::size_t for um tipo inteiro estendido sem sinal com uma ordem de conversão superior à de int, o resultado continua a ser do tipo std::size_t após a subtração de 1. Nesse caso, a escolha da sobrecarga de operator<< para apresentar essa contagem pode ser ambígua e impedir a compilação do exemplo. A conversão para unsigned long serve para apresentar um número, não para codificar texto; apresentar o símbolo exige uma codificação separada e adequada à saída. A fonte fornecida é um projeto de norma em evolução, não uma publicação definitiva de C++23.

Exemplos

#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

O código apresentado e o resultado declarado foram verificados num ambiente isolado pelo método registado na prova de verificação desta versão exata.

Fontes