Unicode转义序列与十六进制值

Question

为了在程序中编码Unicode / UTF-8字符，我一直在使用\\uXXXX转义序列，例如：

wchar_t superscript_4 = L'\u2074';  // U+2074 SUPERSCRIPT 4 '⁴'
wchar_t subscript_4   = L'\u2084';  // U+2084 SUBSCRIPT 4 '₄'

但是，使用十六进制应该可以正常工作，因为Unicode是用十六进制编码的。

wchar_t superscript_4 = 0x2074;
wchar_t subscript_4   = 0x2084;

第二个示例是否可以正确编码字符？ 我会遇到宽字符问题，分段错误或错误存储的字符值吗？ 如果是这样，为什么？ 如果没有，为什么？

Answer 1

您可以使用十六进制常量来初始化它们，但是也可以使用数值常量来初始化普通char ，例如char c = 67; 。 它的工作方式相同。 它分配具有该int值的任何char或wchar_t 。 在您给出的示例中，并假设一个Unicode执行环境（不能完全保证，但很有可能），它是下标4或下标4。 在我的示例中，它是大写C

特别是 ，对于常规char ，从技术上来说，像'C'这样'C'字符常量的类型为int ，并且通常将int值分配给char 。 对于wchar_t ，常量实际上确实具有wchar_t类型，并且整数值与调用mbtowc所获得的值相同。 因此，假设您在Unicode环境中工作，则十六进制常量等效于Unicode转义。

但是，通常您不想这样做。 使用字符文字可以使您的意图更加清晰。 如果您在源代码中使用非ASCII字符，则尤其如此，在这种情况下，您可以将代码设置为

wchar_t superscript_4 = L'⁴'
wchar_t subscript_4   = L'₄'

另请注意，出于多种目的，最好使用char16_t或char32_t ，因为wchar_t在不同平台上可以具有不同的宽度； 在您有特殊需要切换到其他内容之前，仅使用UTF-8可能也更清洁。