为什么尝试使用 cout 打印 unicode 编码字符串会导致较新的 C++ 标准出现编译错误？

Question

我尝试使用 Visual C++ 2022 版本 17.4.4 将 C++ 标准设置为最新来打印 Unicode 个字符。

#include <iostream>

using namespace std;

int main()
{
  cout << u8"The official vowels in Danish are: a, e, i, o, u, \u00E6, \u00F8, \u00E5 and y.\n";
  return 0;
}

我有编译错误：

1>C:\projects\cpp\test\test.cpp(7,8): error C2280: 'std::basic_ostream<char,std::char_traits<char>> &std::operator <<<std::char_traits<char>>(std::basic_ostream<char,std::char_traits<char>> &,const char8_t *)': attempting to reference a deleted function
1>C:\projects\cpp\test\test.cpp(7,8): error C2088: '<<': illegal for class

使用u (utf-16) 和U (utf-32) 字符串文字观察到相同的行为。

将标准设置为 C++17 或 C++14 使程序可以编译。

在 C++20 和更高版本的标准中禁止此代码的基本原理是什么？在这些标准中打印 Unicode 字符串文字的正确方法是什么？

Answer 1

在 C++20 之前， u8"..."是const char[N] 。 从 C++20 开始，它现在是const char8_t[N] 。

std::cout是一个std::basic_ostream<char> ，因此自 C++20 以来不能为 output char8_t数据。

可能的解决方法：

std::basic_ostream<char>& operator<<(std::basic_ostream<char>& cout, const char8_t* s) {
  cout << reinterpret_cast<const char*>(s);
  return cout;
}

// Output: The official vowels in Danish are: a, e, i, o, u, æ, ø, å and y.

Answer 2

在 C++20 中禁止此代码的理由是什么

首先，在 C++20 之前的版本中，没有char8_t类型。 u8前缀只会产生char数据，同时影响其编码。

C++20 在p0482 中引入了 char8_t char8_t并向后不兼容地更改了u8前缀以生成char8_t数据。

但是，正如p1423指出的那样，这引入了一种无声的、适得其反的行为改变，并且建议的解决方案是使操作格式错误：

P0482R6 的采用引入了一种无意识的无声行为变化。 在 C++17 中，以下代码将文字的代码单元写入标准输出。 在 C++20 中，此代码现在将字符文字作为数字写入，并将字符串文字的地址写入标准输出。

 std::cout << u8'x'; // In C++20, writes the number 120. std::cout << u8"text"; // In C++20, writes a memory address.

这是一个令人惊讶的变化，对程序员没有任何好处。 添加已删除的 ostream 插入器将避免这种令人惊讶的行为变化，同时保留在将来为这些操作指定行为的可能性（例如，将隐式转码指定为执行编码）。

---

在这些标准中打印 Unicode 字符串文字的正确方法是什么？

从 C++20 开始，还没有定义任何标准方法来直接将char8_t 、 char16_t或char32_t打印为文本。 您必须将 Unicode 数据转换为char或wchar_t使用的本机编码，然后打印它。 但是，没有标准的方法来进行这种转换（未弃用）。

Unicode 字符类型通常可用于写入文件，但对于写入标准 output 则不是那么有用。