內部 C++ 中的字符編碼？

Question

如果我創建一個帶有u8前綴的字符串文字，機器代碼是否知道並說該變量的相應值應該編碼為 UTF-8？

這樣無論我在哪里運行程序，計算機每次都知道如何編碼？ 還是機器代碼沒有說，像這樣和這樣編碼？

因為如果我用普通 char 編碼一些東西，用 UTF-8 編碼一些東西（例如使用 u8），那么有什么區別，如果機器代碼沒有說明，計算機如何知道編碼？

Answer 1

u8"..."字符串始終以 UTF-8 編碼，如[lex.string]/1中所指定。

"..."字符串的編碼取決於編譯器（以及源文件編碼），但配置 IDE 以將文件保存在 UTF-8 中並不難，並且編譯器不接觸 UTF-8 的純字符串文字.

無論如何，編碼完全在編譯時處理。 在編譯后的代碼中，字符串只是字節序列； 在運行時編碼之間沒有轉換，除非您明確調用一些 function 來執行此操作。

Answer 2

如果我創建一個帶有 u8 前綴的字符串文字，機器代碼是否知道並說該變量的相應值應該編碼為 UTF-8？

機器代碼什么都不知道。 編譯器將文字編碼為 UTF-8 並生成正確的字節序列。

這樣無論我在哪里運行程序，計算機每次都知道如何編碼？ 還是機器代碼沒有說，像這樣和這樣編碼？

然后在運行時發出字節序列，接收該序列的 output 設備將正確翻譯它（如果它知道如何翻譯）。 這意味着，例如，接受 UTF-8 編碼的控制台將顯示正確的字符，如果不顯示垃圾的話。

Answer 3

是的，該字符幾乎肯定會以 UTF-8 編碼，但請注意標准不要求char8_t為 8 位，只是它需要能夠存儲 UTF-8 代碼單元，因此一些奇怪的 C++ 運行時可以使用 16 位字符每個元素只存儲 8 位。

另請注意， char8_t只能存儲 ASCII 字符，所有其他字符都需要多個代碼單元，因此即使它們只是單個字符，也需要存儲在char8_t字符串/數組中。