Наборы символов и кодировки

На этой странице описаны несколько наборов символов, определённых стандартом C++.

Набор символов трансляции Набор символов трансляции состоит из следующих элементов: каждый абстрактный символ, которому назначена кодовая точка в пространстве кодов Unicode, и отдельный символ для каждого скалярного значения Unicode, не назначенного абстрактному символу. Набор символов трансляции является надмножеством базового набора символов и базового набора символов литералов (см. ниже).

(начиная с C++23)

Базовый набор символов

Базовый набор символов состоит из следующих 96(до C++26)99(начиная с C++26) символов:

Кодовая единица	Символ	Глиф
U+0009	Табуляция
U+000B	Вертикальная табуляция
U+000C	Перевод страницы (FF)
U+0020	Пробел
U+000A	Перевод строки (LF)	новая строка
U+0021	Восклицательный знак	!
U+0022	Кавычка	"
U+0023	Знак номера	#
U+0025	Знак процента	%
U+0026	Амперсанд	&
U+0027	Апостроф	'
U+0028	Левая круглая скобка	(
U+0029	Правая круглая скобка	)
U+002A	Звёздочка	*
U+002B	Знак плюс	+
U+002C	Запятая	,
U+002D	Дефис-минус	-
U+002E	Точка	.
U+002F	Косая черта	/
U+0030 .. U+0039	Цифры от нуля до девяти	0 1 2 3 4 5 6 7 8 9
U+003A	Двоеточие	:
U+003B	Точка с запятой	;
U+003C	Знак «меньше»	<
U+003D	Знак равенства	=
U+003E	Знак «больше»	>
U+003F	Вопросительный знак	?
U+0041 .. U+005A	Заглавные латинские буквы от A до Z	A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
U+005B	Левая квадратная скобка	[
U+005C	Обратная косая черта	\
U+005D	Правая квадратная скобка	]
U+005E	Знак циркумфлекса	^
U+005F	Нижнее подчёркивание	_
U+0061 .. U+007A	Строчные латинские буквы от a до z	a b c d e f g h i j k l m n o p q r s t u v w x y z
U+007B	Левая фигурная скобка	{
U+007C	Вертикальная черта	|
U+007D	Правая фигурная скобка	}
U+007E	Тильда	~

Следующие символы добавляются в базовый набор символов начиная с C++26: Кодовая единица Символ Глиф U+0024 Знак доллара $ U+0040 Коммерческое at @ U+0060 Гравис `

(начиная с C++26)

Базовый набор символов литералов

Базовый набор символов литералов состоит из всех символов базового набора символов и следующих управляющих символов:

Кодовая единица	Символ
U+0000	Нулевой символ
U+0007	Звуковой сигнал
U+0008	Забой
U+000D	Возврат каретки (CR)

Набор символов выполнения

Набор символов выполнения и расширенный набор символов выполнения являются надмножествами базового набора символов литералов. Кодировки наборов символов выполнения и наборы дополнительных элементов (если они есть) зависят от локали. Каждый элемент расширенного набора символов выполнения должен быть представим отдельной кодовой единицей wchar_t.

Кодовая единица и кодировка литералов

Кодовая единица — это целочисленное значение символьного типа. Символы в символьном литерале, за исключением многосимвольного или не кодируемого символьного литерала, либо в строковом литерале кодируются последовательностью из одной или нескольких кодовых единиц, определяемой префиксом кодировки; такая кодировка называется соответствующей кодировкой литералов.

Кодировка литералов или зависящая от локали кодировка одного из наборов символов выполнения кодирует каждый элемент базового набора символов литералов одной кодовой единицей с неотрицательным значением, отличным от кодовой единицы любого другого такого элемента. Символ, не входящий в базовый набор символов литералов, может кодироваться более чем одной кодовой единицей; значение такой кодовой единицы может совпадать со значением кодовой единицы элемента базового набора символов литералов. Кодировки наборов символов выполнения могут не иметь отношения к какой-либо кодировке литералов.

Обычная кодировка литералов — это кодировка, применяемая к обычному символьному или строковому литералу. Широкая кодировка литералов — это кодировка, применяемая к широкому символьному или строковому литералу.

Символ NULL U+0000 кодируется значением 0. Ни один другой элемент набора символов трансляции не кодируется кодовой единицей со значением 0. Значение кодовой единицы каждой десятичной цифры после цифры 0 (U+0030) должно быть на единицу больше значения предыдущей цифры. В остальном обычная и широкая кодировки литералов определяются реализацией.

Для литерала UTF-8, UTF-16 или UTF-32 скалярное значение UCS, соответствующее каждому символу набора символов трансляции, кодируется согласно ISO/IEC 10646 для соответствующей формы кодирования UCS.

Примечания

В C++23 стандартные названия некоторых наборов символов изменены согласно P2314R4.

Новое название	Старое название
базовый набор символов	базовый набор символов исходного кода
базовый набор символов литералов	базовый набор символов выполнения базовый расширенный набор символов выполнения

Сопоставление символов исходного файла (кроме исходного файла UTF-8)(начиная с C++23) с базовым набором символов(до C++23)набором символов трансляции(начиная с C++23) на этапе трансляции 1 определяется реализацией, поэтому реализация обязана документировать способ представления базовых символов исходного кода в исходных файлах.

Отчёты об ошибках

Следующие отчёты об ошибках, изменяющие поведение, были применены задним числом к ранее опубликованным стандартам C++.

DR	Применён к	Опубликованное поведение	Правильное поведение
CWG 788	C++98	значения элементов наборов символов выполнения определялись реализацией, но не зависели от локали	они зависят от локали
CWG 1796	C++98	представление нулевого (широкого) символа в базовом наборе символов выполнения (широких символов) состояло только из нулевых битов	требовалось только нулевое значение

См. также

Таблица ASCII

Документация по C о наборах символов и кодировках