c语言中长字符串用什么定义（C20新特性）

目前互联网应用中，例如大部分网站都已经使用 UTF-8 编码，而 C 标准库里面，例如filesystem库里面关于文件路径等，也是和 UTF-8 编码相关，因此 C 标准也要优化对 UTF-8 编码的支持，下面我们就来说一说关于c语言中长字符串用什么定义?我们一起去了解并探讨一下这个问题吧!

c语言中长字符串用什么定义

目前互联网应用中，例如大部分网站都已经使用 UTF-8 编码，而 C 标准库里面，例如filesystem库里面关于文件路径等，也是和 UTF-8 编码相关，因此 C 标准也要优化对 UTF-8 编码的支持。

虽然在 C 11 中，已经增加了 UTF-8 字符串常量（u8"\xe4\xb8\xad\xe6\x96\x87"），但一直是使用 char * 作为类型。这样导致的问题，就是一个 char * 类型变量，可能是 UTF-8 编码，也可能是多字节编码（例如 GBK），因此为了区分不同的编码类型，可能需要通过不同的函数名重载，或者模板 traits 等技巧来进行区分。

因此在 C 20 中，将 UTF-8 字符串作为一种单独的类型，增加了新的 char8_t 类型来进行描述。各种与字符串相关的模板都增加 char8_t 相关的特化，例如 std 的字符串包装类，就增加了 std::u8string 类型（std::basic_string<char8_t>）。

这个修改会造成不兼容，原来合法的代码，可能会变得不合法，原来为了处理 UTF-8 字符串而特化成 char * 类型的模板，需要改为特化 char8_t * 类型。

const auto * s1 = u8"text"; // <1> s1的类型，C 17 推导成const char *，C 20 推导成const char8_t * const char * s2 = u8"text"; // <2> C 17 正确，C 20 变成不正确 const char8_t * s3 = u8"text"; // <3> C 17 不正确（没有char8_t类型），C 20 正确 template<typename T> int is_char8( const T * ) { return 0; } template<> int is_char8<char>( const char * ) { return 1; } std::cout << is_char8( s3 ) << std::endl; // <4> C 17 输出1，C 20 输出0 template<typename T> int is_char8_new( const T * ) { return 0; } template<> int is_char8_new<char8_t>( const char8_t * ) { return 1; } // <5> C 17 不支持 std::cout << is_char8_new( s3 ) << std::endl; // <6> C 20 输出1 std::string s4 = u8"text"; // <7> C 17 正确，C 20 变成不正确 std::u8string s5 = u8"text"; // <8> C 17 不正确（没有std::u8string类型），C 20 正确 std::filesystem::path p1; std::string s6 = p1.u8string(); // <9> C 17 正确，C 20 变成不正确 std::u8string s7 = p1.u8string(); // <10> C 17 不正确（没有std::u8string类型），C 20 正确

之前的 C 标准新增 char16_t 和 char32_t 类型的时候，只是说他们应该使用 UTF-16 和 UTF-32 的编码格式，但标准里面没有明确进行这样要求。

因此在 C 20 中，新增的 char8_t 类型明确要求是 UTF-8 字符串，同时将原来的 char16_t 和 char32_t 类型，也改为明确要求是 UTF-16 和 UTF-32 字符串。

之前的 C 标准，新增了字符串常量中的Unicode字符表达方式（\unnnn和\Unnnnnnnn），例如 \U0001f34 、 \uD83C\uDF4C 等，但对于不在 ISO 10646（Unicode编码标准）中的字符的处理，则没有明确说明。

因此在 C 20 中，明确要求Unicode字符表达方式（\unnnn和\Unnnnnnnn）中，如果有不在ISO 10646（Unicode编码标准）中的字符，那么这个代码是不合法的。

【往期回顾】

C 20 新特性（9）：指针和数组相关的两个改进

C 20 新特性（8）：range形式的for语句改进