Строковый литералы

[220Volt]

Здравствуйте.
Из справочника:

"---"                    (1) 
L "---"                  (2) 
u8 "---"                 (3) 
u "---"                  (4) 
U "---"                  (5) 
prefix(optional) R "---" (6)
1) Narrow multibyte string literal. The type of an unprefixed string literal is const char[]
2) Wide string literal. The type of a L"..." string literal is const wchar_t[]
3) UTF-8 encoded string literal. The type of a u8"..." string literal is const char[]
4) UTF-16 encoded string literal. The type of a u"..." string literal is const char16_t[]
5) UTF-32 encoded string literal. The type of a U"..." string literal is const char32_t[]
6) Raw string literal. Used to avoid escaping of any character, anything between the delimiters 
becomes part of the string, if prefix is present has the same meaning as described above.

Narrow multibyte string literal это ведь не utf? Почему тогда символы "цапля" == u8"цапля", т.е. в чем отличие между 1 и 3?

Можно подумать - все дело в кодировке исходных кодов (они у меня utf8), ведь для компилятора это просто цифры. Тогда зачем нужны префиксы? Почему и как компилятор соображает в такой ситуации: L"Hello", увеличивая её в размере.

В windows на qtcreator не выходит поэкспериментировать с кодировками, сохраняю, например, один символ в utf-32, а размер файла 12 байт.

Что такое Narrow multibyte string literal? Какая кодировка?

[waleri]

тип данных у 1 и 3 один и тот же, а вот содержимое будет разным.
Отличия можете увидеть используя функции strlen() или puts().

Компилятор "соображает" увидев префикс L что каждый символ должен быть 2 байта а не один.

Префиксы нужны, чтобы знать как закодировать слово "цапля".
В исходнике разницы не будет, поскольку сам исходник сохраняется какой-то одной кодировке. А вот если вы запишете все эти литералы в один файл (скажем через fwrite) и откроете файл hex редактором, то сразу увидите отличия.

[220Volt]

А вы пробывали? Кодировка исходников utf-8? Повторюсь, строки одинаковые. Думаю что Narrow multibyte string это и есть кодировка исходников.
Еще интересный момент: почему в std нет string'a для utf-8, при наличии для utf-16 и utf-32?

std::basic_string<char16_t> str = u"漢字";
std::cout << str.length(); // cout: 2

const char16_t t1[] = u"漢字";
std::cout << sizeof(t1) << '\n';   // cout: 6

[220Volt]

Плохой пример, поищу символы с более чем 2х байтовым размером.

[_Bers]

Приведите минимальный компилирующийся код, который проиллюстрирует проблему.

[220Volt]

Не то чтобы проблемы, скорее вопросы:
1. Что такое Narrow multibyte string literal (какая кодировка)?
2. Почему std::string не поддерживает utf-8, есть ли в планах?

[waleri]

1) Любая... например utf7 и utf8, ascii. Все это - char. И длинна одинаковой строки в различных кодировках может быть разной (в байтах).
2) Зачем std::string поддерживать utf8? В уверенны, что std::string вообще поддерживает кодировку? Не путайте UTF16 и UCS16 - это две большие разницы.

Кодировка исходников зависит от желаний и возможностей редактора и компилятора.

[220Volt]

Сообщение от waleri

1) Любая... например utf7 и utf8, ascii. Все это - char. И длинна одинаковой строки в различных кодировках может быть разной (в байтах).
2) Зачем std::string поддерживать utf8? В уверенны, что std::string вообще поддерживает кодировку? Не путайте UTF16 и UCS16 - это две большие разницы.

Кодировка исходников зависит от желаний и возможностей редактора и компилятора.

1. Т.е. мы создаем в исходнике строковой литерал "lala" и передаем его в библиотеку, которая ждет определенную кодировку. И в зависимости от различных условий (компилятор, настроение, погода) получаем различный результат. Не верю, должны быть какие-то правила.
2. Скажите, индексация в строке, метолы length() и другое одинаковы у ascii строке и utf-8 строки (кириллица)? Вот для этого std::string должен поддерживать именно utf-8, а не просто char.

[waleri]

1)
Библиотека ожидает определенный тип - char, wchar_t, int, и т.д.
В языке С++ нет типа utf, и т.д, есть указатель на char или wchar_t и производные от них. Каждый из приведенных префиксов использует свой тип, но если типы совппадают, как для UTF8, тогда компилятор ничем не поможет.

2)
Количество БУКВ совпдаает, но количество БАЙТ - нет. length возвращает количество БАЙТ.

[220Volt]

Сообщение от waleri

1)
Библиотека ожидает определенный тип - char, wchar_t, int, и т.д.
В языке С++ нет типа utf, и т.д, есть указатель на char или wchar_t и производные от них. Каждый из приведенных префиксов использует свой тип, но если типы совппадают, как для UTF8, тогда компилятор ничем не поможет.

2)
Количество БУКВ совпдаает, но количество БАЙТ - нет. length возвращает количество БАЙТ.

1. Чта мешает в документации к библиотеки написать: передавать utf-8 (или любой другой тип). То что utf-8 имеет тип char и не был создан дополнительный тип вполне логично и объяснимо. И c++ официально признал utf введя соответствующие строковые литералы и типы char16_t и char32_t, в с++ они являются фундаментальными, а не псевдонимом.
2. Легко ведь проверяется

u16string str = u"hello";
cout << str.length();       // cout: 5
cout << sizeof(u"hello");   // 12

Вот что пишут одни из разработчиков библиотек о std::string
https://developer.gnome.org/gtkmm-tu...string.html.en