c++11 string u8_C++11 Unicode 支持

1. char16_t 与 char32_t

在 C++98 中，为了支持 Unicode 字符，使用 wchar_t 类型来表示“宽字符”，但并没有严格规定位宽，而是让 wchar_t 的宽度由编译器实现，因此不同的编译器有着不同的实现方式，GNU C++ 规定 wchar_t 为 32 位，Visual C++ 规定为 16 位。由于 wchar_t 宽度没有一个统规定，导致使用 wchar_t 的代码在不同平台间移植时，可能出现问题。这一状况在 C++11 中得到了一定的改善，从此 Unicode 字符的存储有了统一类型：

char16_t 用于存储 UTF-16 编码的 Unicode 字符

char32_t 用于存储 UTF-32 编码的 Unicode 字符

char16_t 和 char32_t 的宽度由其名称可以看出 char16_t 为 16bits，char32_t 为 32bits。至于使用 UTF-8 编码的 Unicode 字符，C++11 还是使用了 8bits 宽度的 char 类型数组来表示 。

除了使用新类型 char16_t 与 char32_t 来表示 Unicode 字符，此外，C++11 还新增了三种前缀来定义不同编码的字符或字符串，新增前缀如下：

u8 表示 UTF-8 编码

u 表示 UTF-16 编码

U 表示 UTF-32 编码

C++98 中有两种定义字符或字符串的方式，一是直接使用单引号或双引号定义多字节字符或字符串，二是通过前缀 L 表示 wchar_t 类型的宽字符或字符串。至此，C++ 中共有 5 种定义字符或字符串的方式。

在书写 Unicode 字符时，C++11 规定可以使用 \u 加上 4 个十六进制数或者使用 \U 加上 8 个十六进制数的 Unicode 码值来表示一个 Unicode 字符，比如汉字’你’可以表示如下：

char16_t c = u'\u4f60';

char32_t C = U'\U00004f60';

前缀 u 表示使用 UTF-16 编码存储 Unicode 字符，U 使用 UTF-32 编码存储 Unicode 字符。

2.影响字符串正确处理的因素

在使用不同方式定义不同编码的字符串时，我们需要注意影响字符串处理和显示的几个因素有编辑器、编译器和输出环境。

代码编辑器采用何种编码方式决定了字符串最初的编码，比如编辑器如果采用GBK，那么代码文件中的所有字符都是以GBK编码存储。当编译器处理字符串时，可以通过前缀来判断字符串的编码类型，如果目标编码与原编码不同，则编译器会进行转换，比如C++11中的前缀u8表示目标编码为UTF-8的字符，如果代码文件采用的是GBK，编译器按照UTF-8去解析字符串常量，则可能会出现错误。

//代码文件为GBK编码

#include

#include

using namespace std;

int main()

{

const char* sTest = u8"你好";

for(int i=0;sTest[i]!=0;++i)

{

cout<

}

return 0;

}

//编译选项：g++ -std=c+