Unicode字符串上的std :: string和std :: map操作

Question

我想了解常规std::string和std::map操作如何处理字符串中的Unicode代码单元.

示例代码:

    include <iostream>
    #include "sys/types.h"

    using namespace std;

    int main()
    {

        std::basic_string<u_int16_t> ustr1(std::basic_string<u_int16_t>((u_int16_t*)"????", 4));
        std::basic_string<u_int16_t> ustr2(std::basic_string<u_int16_t>((u_int16_t*)"abcd", 4));

        for (int i = 0; i < ustr1.length(); i++)
            cout << "Char: " << ustr1[i] << endl;

        for (int i = 0; i < ustr2.length(); i++)
            cout << "Char: " << ustr2[i] << endl;

        if (ustr1 == ustr2)
            cout << "Strings are equal" << endl;

        cout << "string length: " << ustr1.length() << "\t" << ustr2.length() << endl;
        return 0;
    }

这些字符串包含泰语字符和ascii字符,后面使用的意图basic_string<u_int16_t>是便于存储不能容纳在单个字节内的字符.代码在Linux机器上运行,其编码类型为en_US.UTF-8.输出是:

$ ./a.out
Char: 47328
Char: 57506
Char: 42168
Char: 47328
Char: 25185
Char: 25699
Char: 17152
Char: 24936
string length: 4        4

几个问题:

1. 输出中的字符值是否与en_US.UTF-8代码点对应？如果没有,他们是什么？

2. 请问std::string像运营商==,!=,<等,能够与Unicode码点的工作？如果是这样,它只是比较相应位置的每个代码点吗？会std::map在类似的线上工作吗？

3. 将语言环境更改为UTF-16会导致字符串存储为UTF-16代码点吗？

谢谢!

Answer 1

我想了解常规std::string和std::map操作如何处理字符串中的Unicode代码单元.

他们没有.

std::string是一个chars或字节序列.它不是考虑任何编码的"高级"字符串.您必须自己这样做,例如使用专用于此目的的库,例如ICU.

从std::string(ie std::basic_string<char>)切换到std::basic_char<u_int16_t>不改变; 它只是意味着你有一系列"宽"字符.

而且std::map与此毫无关系.

进一步阅读:

• /sf/answers/1197424581/
• https://www.reddit.com/r/cpp/comments/1y3n33/why_does_c_seem_to_pretend_unicode_doesnt_exist/