std :: u16string，std :: u32string，std :: string，length（），size（），代碼點和字符

Question

我很高興在C ++ 11中看到std::u16string和std::u32string ，但我想知道為什么沒有std::u8string來處理UTF-8的情況。 我的印象是std::string適用於UTF-8，但似乎並不是很好。 我的意思是， std::string.length()仍然返回字符串緩沖區的大小而不是字符串中的字符數？

那么，如何為新的C ++ 11類定義標准字符串的length()方法呢？ 它們是否返回字符串緩沖區的大小，代碼點的數量或字符數（假設代理對是2個代碼點，但是一個字符。如果我錯了，請糾正我）？

那么size() ？ 是不是等於length() ？ 請參閱http://en.cppreference.com/w/cpp/string/basic_string/length ，了解我的困惑之源。

所以，我想，我的基本問題是如何使用std::string ， std::u16string和std::u32string並正確區分緩沖區大小，代碼點數和字符數？ 如果使用標准迭代器，是否要迭代字節，代碼點或字符？

Answer 1

u16string和u32string不是“新的C ++ 11類”。 它們只是char16_t和cha32_t類型的std::basic_string typedef。

length始終等於任何basic_string size 。 這是多少T的字符串，其中T是為模板類型basic_string 。

basic_string不以任何方式，形狀或形式basic_string Unicode。 它沒有代碼點，字形，Unicode字符，Unicode規范化或任何類型的概念。 它只是一個有序的T s序列。 關於u16string和u32string唯一知道Unicode的是它們使用u""和U""文字返回的類型。 因此，它們可以存儲Unicode編碼的字符串，但它們不需要知道所述編碼。

迭代器迭代T元素，而不是“字節，代碼點或字符”。 如果T是char16_t ，那么它將迭代char16_t s。 如果字符串是UTF-16編碼的，那么它將迭代UTF-16代碼單元，而不是Unicode代碼點或字節。

Answer 2

所有字符串類型都做同樣的事情：它們包含一系列元素，每個元素的類型都是字符串的字符類型。 length()和size()都返回元素的數量。 迭代器迭代元素。 更高級別的分析，例如計算字符數，需要更復雜的計算。

Answer 3

目前，標准中沒有任何內容可以區分代碼單元，代碼點或單個字節。 但是，似乎有些事情正在處理這類事情 。 根據標准委員會的決定，它可能是TR2或下一個標准的一部分。