在不违反严格别名的情况下将 `u8string_view` 转换为 `char` 数组？

Question

前提

• 我在内存中有一个二进制数据块，表示为char*（可能从文件中读取，或通过网络传输）。
• 我知道它在某个偏移量处包含一个特定长度的 UTF8 编码文本字段。

题

我如何（安全且可移植地）获得一个u8string_view来表示此文本字段的内容？

动机

将该字段作为 a 传递给下游代码的动机u8string_view是：

• 它非常清楚地表明文本字段是 UTF8 编码的，与string_view.
• 它避免了将其作为u8string.

我试过的

这样做的天真方法是：

char* data = ...;
size_t field_offset = ...;
size_t field_length = ...;

char8_t* field_ptr = reinterpret_cast<char8_t*>(data + field_offset);
u8string_view field(field_ptr, field_length);

但是，如果我正确理解 C++ 严格别名规则，这是未定义的行为，因为它char*通过char8_t*返回的指针访问缓冲区的内容reinterpret_cast，而char8_t不是别名类型。

真的吗？

有没有办法安全地做到这一点？

Answer 1

当您访问具有不可接受类型的泛左值的对象时，会发生严格的别名规则。

首先考虑一个明确定义的情况：

char* data = reinterpret_cast <char *> (new char8_t[10]{})
size_t field_offset = 0;
size_t field_length = 10;
char8_t* field_ptr = reinterpret_cast<char8_t*>(data + field_offset);
u8string_view field(field_ptr, field_length);
field [0]+field[1];

这里没有UB。您创建一个数组，char8_t然后访问该数组的元素。

现在，如果所引用的内存对象是data由另一个程序创建的，会发生什么情况？根据标准，这是 UB，因为该对象不是通过指定的创建方式之一创建的。

但您的代码尚未受到标准支持这一事实在这里并不是问题。所有编译器都支持此代码。如果不是，则什么都不起作用，您甚至无法执行最简单的系统调用，因为程序和任何内核之间的大多数通信都是通过字符数组进行的。因此，只要在程序内部访问位于类型的泛左值之间data+field_offset并通过该类型的内存，您的代码就会按预期工作。data+field_offset+field_lengthchar8_t