char8_t *的printf（）格式字符是什么？

Question

还有 char8_t呢？

我假设某个地方有一些C ++ 20决策，但我找不到。还有P1428，但DOC不提任何东西printf()家庭VS char8_t *或char8_t。

使用std::cout建议可能是一个答案。不幸的是，它不再编译了。

// does not compile under C++20
// error : overload resolution selected deleted operator '<<'
// see P1423, proposal 7
std::cout <<  u8"A2";
std::cout <<  char8_t ('A');

对于C 2.x和char8_t

请从这里开始。

更新资料

我用u8序列中的单个元素做了更多测试。这确实是行不通的。char8_t *要printf("%s")工作，但char8_t到printf("%c")是等待发生的事故。

请参阅-https ://wandbox.org/permlink/6NQtkKeZ9JUFw4Sd-根据当前现状，问题char8_t尚未实现char8_t *。-让我重复一遍：没有实现的类型可以保存char8_t *序列中的单个元素。

如果您想要单个u8字形，则需要将其编码为u8字符串

char8_t const * single_glyph = u8"?";

而且目前看来，打印上述一种肯定的方法是

// works with warnings
std::printf("%s", single_glyph ) ;

要开始阅读此主题，可能需要这两篇论文

1. http://www.open-std.org/jtc1/sc22/wg14/www/docs/n2231.htm
2. http://www.open-std.org/jtc1/sc22/wg21/docs/papers/2019/p1423r2.html

以该顺序。

---

我的主要DEVENV是VisualStudio 2019，同时包含VS随附的MSVC和CLANG 8.0.1。使用std：c ++ latest。开发人员机器为WIN10 [版本10.0.18362.476]

Answer 1

\n

char8_t * 的 printf() 格式字符是什么？

\n

\n

没有将打印char8_t*为字符串的格式说明符。从技术上讲，使用%s是一种未定义的行为，因为类型不匹配，clang 会警告您（https://godbolt.org/z/xcs9Wj）：

\n

printf("%s", u8"\xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82, \xd0\xbc\xd0\xb8\xd1\x80!");\n

\n

...: warning: format specifies type \'char *\' but the argument has type \'const char8_t *\' [-Wformat]\n  printf("%s", u8"\xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82, \xd0\xbc\xd0\xb8\xd1\x80!");\n          ~~   ^~~~~~~~~~~~~~~~\n          %s\n

\n

所以你唯一能做的就是将这样的字符串打印为指针，但这%p并不是很有用。

\n

iostream 也不支持char8_t字符串。例如，这不能在 C++20 中编译：

\n

...: warning: format specifies type \'char *\' but the argument has type \'const char8_t *\' [-Wformat]\n  printf("%s", u8"\xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82, \xd0\xbc\xd0\xb8\xd1\x80!");\n          ~~   ^~~~~~~~~~~~~~~~\n          %s\n

\n

在大多数平台上，普通char字符串已经是 UTF-8，在带有 MSVC 的 Windows 上，您可以使用 /utf-8 进行编译，这将为您在主要操作系统上提供 Unicode 支持。

\n

对于可移植的 Unicode 输出，您可以使用 {fmt} 库，例如 ( https://godbolt.org/z/3ejsaG )：

\n

std::cout << u8"\xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82, \xd0\xbc\xd0\xb8\xd1\x80!";\n

\n

印刷：

\n

\xd0\x9f\xd1\x80\xd0\xb8\xd0\xb2\xd0\xb5\xd1\x82, \xd0\xbc\xd0\xb8\xd1\x80!\n

\n

免责声明：我是 {fmt} 的作者。

\n

Answer 2

我是C++的char8_t P0482和P1423提案以及 C 的N2231提案（尚未被接受）的作者。

让我们想想以下应该做什么：

printf("Hello %s\n", u8"Jöel");
std::cout << "Hello " << u8"Jöel" << "\n";

实际上，让我们再退一步。标准输出的接收端需要什么编码？有几种可能性。如果标准输出连接到控制台/终端，则预期的编码是控制台/终端配置的编码。在美国的 Windows 系统上，这很可能是CP437。在 UNIX/Linux 系统上，这可能是 UTF-8。在美国的 z/OS 系统上，这可能是EBCDIC 代码页 037。如果标准输出已被重定向，则预期的编码可能取决于区域设置。在美国的 Windows 系统上，这意味着活动代码页 (ACP)，可能是Windows 1252. 在 UNIX/Linux 和 z/OS 上，它可能与控制台/终端相同（Windows 是这里的奇怪系统，它具有不同的控制台编码和区域设置编码默认值）。

回到那个示例代码。该 UTF-8 编码ö字符（U+00F6，{LATIN SMALL LETTER O WITH DIAERESIS}，编码为0xC3 0xB6）的预期或期望行为是什么？对于写入控制台的 Windows，要正确显示字符，需要将编码序列0x94转码为0xF6. 对于 UNIX/Linux，可能应该传递序列。对于 z/OS，可能需要将其转码为0xCC. 但是在所有这些系统上，这些默认值都是可配置的（例如，通过LANG环境变量）。

假设转码到运行时确定的编码是所需的行为，那么应该如何处理转码错误？例如，如果目标编码缺少 的表示会发生什么ö？如果存在格式错误的 UTF-8 序列怎么办？应该printf停止并报告错误吗？应该std::cout抛出异常吗？或者应该使用实现定义的字符，例如 U+FFFD {REPLACEMENT CHARACTER} 还是?替换？

如果std::cout充满了std::codecvt刻面会发生什么？据推测，该方面希望传入的文本采用特定的编码。UTF-8 文本在呈现给构面之前是否应该转码为执行字符集、语言环境相关编码或控制台/终端编码之一？如果有，是哪一个？实现是否应该知道流是否连接到控制台/终端？如果程序员想要覆盖默认值，例如，始终编写 UTF-8，该怎么办？

这些是相当困难的问题，我们没有很好的答案。 std::u8out有人建议将其作为显式选择加入 UTF-8 的一种方式，但不能解决预期的标准输出编码问题、codecvt方面问题以及其他 iostreams 问题（如隐式语言环境相关格式）。

就个人而言，为了在未来提供良好的 Unicode 支持，我认为我们将不得不投资替代 iostreams 1) 提供字节输出，文本支持分层，2) 编码感知（在文本层中） ), 3) 与语言环境无关（但显式选择支持语言环境相关格式，如std::format），4) 比 iostreams 性能更高。

SG16 想听听您的想法和建议。有关联系信息，请参阅https://github.com/sg16-unicode/sg16。

Answer 3

printf不是由 C++20 本身定义的；C++20 通过引用包含 C 标准库。它可能会引用 C18，但这基本上等于 C11（没有新功能；只是修复了缺陷报告）。