The New C++ -- 基本数据类型和字面值常量 (8. 字符串字面值常量)

顾名思义，字符串就是将字符串起来。如果你已经理解了字符型和字符字面值常量，那么字符串字面值常量就不难理解了。字符字面值常量是由单引号将一个字符引起来，而字符串字面值常量是由双引号将一些字符引起来。字符串里的特殊字符的例如转义字符（除了单引号和双引号转义字符），八进制转义字符，十六进制转义字符，\u和\U所表达的意义和字符字面值常量都是一样的。

C++在所有的字符串后面多加上一个字符 '\0'，表示字符串的结束。例如"abcd"这个字符串是由5个char类型字符组成：'a'，'b'，'c'，'d'和 '\0'。字符串前面可以加前缀u，U或者L分别表示这个字符串由char，char16_t，char32_t和wchar_t类型的字符组成。例如u"abcd"由5个char16_t的字符组成：u'a'，u'b'，u'c'，u'd'和u'\0'。

虽然我们前面说过，当Unicode转义字符\U用在char16_t类型的字符字面值常量中时，不能超过0xFFFF的范围，但是用在char16_t类型的字符串字面值常量中时，可以超过0xFFFF（但不能超过0x10FFFF），这时他表示两个char16_t的字符，编译器会自动转换。例如u"abc\U00015678"表示6个char16_t的字符，他等值于u"abc\uD815\uDE78"。其中0xD815 0xDE78是Unicode码点0x15678的UTF-16编码。同理，当十六进制转义字符和\u以及\U用在L位前缀的字符串字面值常量的时候，编译器会自动将他们转化位执行字符集的编码（如Visual C++转为UTF-16，GCC转为UTF-32）。

C++中还定义了UTF-8编码的字符串字面值常量，前缀是u8，例如u8"abcd"。里面的每个字符类型为char。你也许注意到了普通的没有前缀的字符串字面值常量和u8为前缀的字符串字面值常量都是由char类型的字符组成的，但u8有特殊意图，表示字符串采用Unicode中的UTF-8编码。而没有前缀的字符串在几乎所有的现代编译器中都采用ASCII编码。

当\u或者\U用于u8为前缀的字面值常量中时，分别代表2-4个字符，编译器会自动转换。例如，u8"abc\U00015678"表示8个char的字符，他等值于u"abc\xF0\x95\x99\xB8"，其中0xF0 0x95 0x99 0xB8是Unicode码点0x15678的UTF-8编码。你也许有疑问为什么没有表达UTF-8的字符类型，那是因为表达UTF-8的字符类型只能表达0x00到0x7F之间的码点（超过就要至少2个字符才能表达），并且这和ASCII在同一个范围（0x00-0x7F）表达的字符是一样的，所以char就足够了，再多一个类型是没有必要的。

当相邻的两个字符串字面值常量之间只有零个或多个空格，制表符，或者换行之类的字符的时候，这些字符串常量将会被连接成一个字符串字面值常量，例如，"abc" "def" "123"
将被连接成为一个字符串字面值常量"abcdef123"。

当两个有前缀的字符串字面值常量被连接时，如果都没有前缀，则结果也没有前缀；如果前缀相同，则结果也是那个前缀；如果一个有前缀，另一个没有前缀，结果是有前缀的那个前缀。其他的情况都是未定义的（注脚：未定义行为（undefined-behavior）是C++中最令人头疼的最邪恶的现象。为了让不同的编译器进行优化，为了让编译器的实现简单一些，C++规定了各种未定义行为。当你的程序中涉及到了未定义行为，该程序的运行结果在C++的标准中是未定义的，一个未定义运行结果的程序也是无用的。）。例如，u"a" "b"和"a" u"b"都会被连接成u"ab"。

练习：

在屏幕输出『我是C++程序员』。

当字符串字面值常量里面有很多转义字符的时候，就会很容易出错。例如一个正则表达式可以写成，

"('(?:[^\\\\']|\\\\.)*'|\"(?:[^\\\\\"]|\\\\.)*\")|"

你甚至可以不用知道正则表达式是什么，你也绝不会怀疑，这样写是很容易犯错，也很难除错的。C++支持原生字符串（raw string）的表达。原生字符串里面可以直接用反斜线\，单引号'，双引号"之类的特殊字符，而不需要用（也无法用）他们的转义字符。原生表达式的语法是，

R"delimiter-string(raw-string)delimiter-string"

其中raw-string表示真正想表达的字符串字面值常量，R是前缀表示原生字符串，而delimiter-string表示任何长度小于16的字母或者数字组成的字符串（长度可能是0）（注脚：不包括 括号，()，反斜线\，制表符等等的特殊字符。)。前一个delimiter-string和后一个delimiter-string必须相同，这样delimiter-string(表示原生字符串的开始，)delimiter-string表示原生字符串的结束。

用例子最好解释，R"(raw-string)"，R"[(raw-string)]"，R"abc(raw-string)abc"，R"@@(raw-string)@@"都表示原生字符串字面值常量。delimiter-string的选择要保证raw-string里面不含有")delimiter-string"这样的字眼，否则程序会报错。上面那个正则表达是的例子用原生字符串可以写成，

R"zzz(('(?:[^\\']|\\.)*'|"(?:[^\\"]|\\.)*")|\)zzz"


原生字符串里可以直接写出单引号，双引号，反斜线，换行符，制表符，也可以使用左括号(和右括号)，不需要任何转义字符。事实上，也写不出转义字符。例如下面这行程序，

   

std::cout << R"(abc\tdef\n)" << std::endl;

他的输出是，

abc\tdef\n

原生字符串字面值常量同样适用于前缀为u8，u，U和L的字符串，例如LR"(abc)"。但要注意的一点是，八进制转义字符，十六进制转义字符，Unicode转义字符\u和\U，都无法在原生字符串中表达原有的意思。

小知识：Visual C++中"你好"也可以当成普通的char类型的字符串字面值常量用，而不是宽字符串字面值常量。"你好"在这里会被转换为4个字节的GB2312编码（和编辑器的设置有关）。但如果是宽字符串字面值常量例如L"你好"或者u"你好"，Visual C++会将这两个字转换为Unicode编码。