CKTIS / C++
char8_t — typ jednotky kódu UTF-8
char8_t je samostatný celočíselný typ určený pre jednotky kódu UTF-8; nie je aliasom typu unsigned char. Prefix u8 vytvára údaje tohto typu, no jedna jednotka kódu nemusí predstavovať celý znak Unicode.
Verzia: C++23; repository compiler flag, production runtime not attested
Syntax
char8_t unit = u8'A';
const char8_t text[] = u8"\u00E9";char8_t je vstavaný celočíselný typ odlišný od char a unsigned char; jeho základným typom je unsigned char. Nepotrebuje žiadnu hlavičku. Slúži na reprezentáciu jednotiek kódu UTF-8, nie ľubovoľných úplných znakov Unicode. Samotný typ nekontroluje platnosť uloženej sekvencie UTF-8.
Literál u8'A' má typ char8_t. Znak zapísaný v takomto literáli sa musí zmestiť do jednej jednotky kódu UTF-8. Reťazcový literál u8"\u00E9" má typ poľa s prvkami typu const char8_t a obsahuje dve jednotky kódu pre U+00E9, za ktorými nasleduje ukončovacia nula. Počet jednotiek kódu teda nie je rovnaký ako počet znakov.
std::u8string, dostupný cez <string>, je aliasom pre std::basic_string<char8_t>. const char8_t* sa implicitne neprevedie na const char*: API, ktoré prijíma druhý typ, vyžaduje zámernú úpravu údajov. Samostatné pravidlo inicializácie povoľuje char text[] = u8"abc";; tým sa však typy ukazovateľov nestávajú kompatibilnými.
V prostredí, v ktorom bol príklad overený, vypisuje počet jednotiek kódu bez ukončovacej nuly a ich číselné hodnoty. Výstup nezávisí od schopnosti terminálu zobrazovať UTF-8. Hodnoty jednotiek sa explicitne konvertujú na unsigned int, ale výraz na výpočet ich počtu sa takto nekonvertuje. Ak je std::size_t rozšírený celočíselný typ bez znamienka s vyššou konverznou hodnosťou než int, výraz si zachová typ std::size_t a výber preťaženia operátora << môže byť pri výpise počtu do std::cout nejednoznačný. Tento záznam sa týka C++23; uvedený pracovný návrh je priebežne vyvíjaný dokument, nie nemenné vydanie C++23. Nastavenie kompilátora v repozitári nepotvrdzuje fungovanie produkčného runtime prostredia.
Príklady
#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';
}
Výsledok
2 195 169
Zobrazený kód a uvedený výsledok boli overené v izolovanom prostredí metódou zaznamenanou v dôkaze o overení tejto presnej verzie.