std :: u8string与std :: string有何不同？

Question

如果我有一个字符串：

std::string s = u8"??";

在C ++ 20中

std::u8string s = u8"??";

有何std::u8string不同std::string？

Answer 1

由于之间的差别u8string，并string是一个模板上char8_t，另一个在char中，真正的问题是，什么是两者的区别char8_t为基础的弦与char基于字符串。

真正归结为：基于类型的编码。

任何char基于字符串（char*，char[]，string等）可以以UTF-8编码。但是话又说回来，可能不会。您可以在假设所有char*等效项都将以UTF-8编码的前提下开发代码。您可以u8在每个字符串文字前写一个和/或以其他方式确保对它们进行正确编码。但：

1. 其他人的代码可能不同意。因此，您不能使用任何可能返回char*s且未使用UTF-8编码的库。

2. 您可能不小心违反了自己的戒律。毕竟，char not_utf8[] = "??";有条件地支持C ++。char[]不管是什么，其编码将是编译器的窄编码。在某些编译器上可能是UTF-8，在其他编译器上可能是其他。

3. 您不能告诉其他人的代码（甚至团队中的其他人）您正在做的事情。也就是说，您的API无法声明某个特定内容char*是UTF-8编码的。这必须是用户认为或在文档中已经阅读过的内容，而不是他们在代码中看到的内容。

请注意，对于UTF-16或UTF-32的用户，这些问题都不存在。如果使用char16_t基于字符串，则所有这些问题都会消失。如果其他人的代码返回一个char16_t字符串，则说明他们在做什么。如果他们返回其他内容，那么您就会知道这些内容可能不是UTF-16。您基于UTF-16的代码可以与其互操作。如果您编写一个返回char16_t基于字符串的API，则使用该代码的每个人都可以从该字符串的类型中看到其编码方式。并且这肯定是编译错误：`char16_t not_utf16 [] =“ ??”;

现在是的，不能保证所有这些事情。任何特定的char16_t字符串都可以包含任何值，即使那些对于UTF-16非法的值也是如此。但是char16_t代表默认假设为特定编码的类型。鉴于此，如果您提供的字符串不是UTF-16编码的类型，则认为这是用户的错误/专横是违反合同的，这是不合理的。

我们可以看到缺少类似的基于类型的UTF-8设施对C ++的影响。考虑一下filesystem::path。它可以采用任何Unicode编码的字符串。对于UTF-16 / 32，path的构造函数采用char16/32_t基于字符串。但是您不能将UTF-8字符串传递给path的构造函数；该char系构造假定编码是实现定义的窄编码，而不是UTF-8。因此，您必须使用filesystem::u8path，这是一个单独的函数，该函数返回一个path由UTF-8编码的字符串构造的。

更糟糕的是，如果您尝试将基于UTF-8编码char的字符串传递给path的构造函数...它会很好地编译。尽管充其量是不可移植的，但它似乎还是可以工作的。

char8_t和所有类似的附件的u8string存在，是为了允许UTF-8用户获得与其他UTF编码相同的功能。在C ++ 20中，filesystem::path将char8_t基于基的字符串重载，并且u8path将变得过时。

而且，作为一项额外的好处，char8_t它周围没有特殊的别名语言。因此，采用char8_t基于字符串的API 肯定是采用字符数组而不是任意字节数组的API。