1.1 Наборы символов

Обработка наборов символов исходного кода в C и родственных языках довольно сложна. Стандарт C обсуждает два набора символов, но на самом деле их по меньшей мере четыре.

Файлы, подаваемые на вход CPP, могут быть в любом наборе символов. Первым действием CPP, ещё до проверки границ строк, является преобразование файла в набор символов, используемый для внутренней обработки. Этот набор называется исходным набором символов в соответствии со стандартом C. Он должен быть изоморфным ISO 10646, также известному как Unicode. CPP использует кодировку UTF-8 Unicode.

Наборы символов входных файлов задаются с помощью опции -finput-charset=.

Вся работа по предварительной обработке (предмет остальной части данного руководства) выполняется в исходном наборе символов. Если вы запросите текстовый вывод из препроцессора с помощью опции -E, он будет в формате UTF-8.

После завершения предварительной обработки строковые и символьные константы преобразуются снова в выполнение набор символов. Этот набор символов находится под управлением пользователя; по умолчанию он равен UTF-8, соответствуя исходному набору символов. У широких строковых и символьных констант есть свой собственный набор символов, который не указан явно в стандарте. Опять же, он находится под управлением пользователя. По умолчанию это UTF-16 или UTF-32, какой из них помещается в тип wchar_t целевой машины, в порядке байтов целевой машины.¹ Восьмеричные и шестнадцатеричные последовательности обратного слэша не преобразуются; '\x12' имеет значение 0x12 независимо от текущего выбранного набора символов выполнения. Все остальные последовательности обратного слэша заменяются символом в исходном наборе символов, который они представляют, а затем преобразуются в набор символов выполнения, точно так же, как и неэкранированные символы.

В идентификаторах символы, находящиеся за пределами ASCII, могут быть заданы только с помощью последовательностей обратного слэша ‘\u’ и ‘\U’, а не напрямую. Если задано строгое соответствие ISO C90 с помощью такой опции, как -std=c90, или используется -fno-extended-identifiers, то эти последовательности обратного слэша не допускаются в идентификаторах.

Далее: Первоначальная обработка, Вверх: Обзор [Оглавление][Индекс]