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

CKTIS / C++

char8_t — tipo de unidade de código UTF-8

char8_t é um tipo inteiro distinto destinado a unidades de código UTF-8; não é um alias de unsigned char. O prefixo u8 produz dados deste tipo, mas uma unidade de código não representa necessariamente um carácter Unicode completo.

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

Sintaxe

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

char8_t é um tipo inteiro incorporado, distinto de char e unsigned char; o seu tipo subjacente é unsigned char. Não requer qualquer cabeçalho. Serve para representar unidades de código UTF-8, e não caracteres Unicode completos arbitrários. O próprio tipo não valida uma sequência UTF-8 armazenada.

O literal u8'A' tem o tipo char8_t. O carácter escrito num literal deste tipo tem de caber numa única unidade de código UTF-8. O literal de cadeia u8"\u00E9" tem um tipo de matriz com elementos const char8_t e contém duas unidades de código para U+00E9, seguidas de um zero final. Assim, o número de unidades de código não é o mesmo que o número de caracteres.

std::u8string, disponível através de <string>, é um alias de std::basic_string<char8_t>. Um const char8_t* não se converte implicitamente em const char*: uma API que aceite este último tipo requer uma adaptação deliberada dos dados. Uma regra de inicialização distinta permite char text[] = u8"abc";; isso não torna compatíveis os tipos de ponteiro.

No ambiente em que foi verificado, o exemplo apresenta o número de unidades de código sem contar o zero final e os respetivos valores numéricos. O resultado não depende da capacidade do terminal para apresentar UTF-8. Os valores das unidades são explicitamente convertidos para unsigned int, mas a expressão que calcula o seu número não é. Se std::size_t for um tipo inteiro estendido sem sinal com uma categoria de conversão superior à de int, a expressão mantém o tipo std::size_t e a resolução de sobrecarga de << pode ser ambígua ao escrever a contagem em std::cout. Esta entrada diz respeito a C++23; o projeto de norma referido é um documento em evolução, não uma publicação definitiva de C++23. A configuração do compilador no repositório não atesta o funcionamento do ambiente de execução em produção.

Exemplos

#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

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

Fontes