Character sets and encodings

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

Содержание 1 Набор символов трансляции 2 Базовый набор символов 3 Базовый набор символов литералов 4 Набор символов выполнения 5 Кодовая единица и кодировка литералов 6 Примечания 7 Отчеты о дефектах 8 Смотри также Набор символов трансляции Набор символов трансляции состоит из следующих элементов: каждый абстрактный символ, которому назначена кодовая точка в Unicode кодовом пространстве, 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 позиция	Символ	Глиф
U+0009	Табуляция символов
U+000B	Вертикальная табуляция
U+000C	Перевод страницы (FF)
U+0020	Пробел
U+000A	Перевод строки (LF)	new-line
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	Звездочка	*
U+002B	Знак плюса	+
U+002C	Запятая	,
U+002D	Дефис-минус	-
U+002E	Точка	.
U+002F	Слеш	/
U+0030 .. U+0039	Цифра ноль .. девять	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	Латинская заглавная буква A .. 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	Обратный слеш	\
U+005D	Правая квадратная скобка	]
U+005E	Циркумфлекс	^
U+005F	Нижнее подчеркивание	_
U+0061 .. U+007A	Латинская строчная буква a .. 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 добавлены в базовый набор символов начиная с C++26: Кодовая точка Символ Глиф U+0024 Dollar Sign $ U+0040 Commercial At @ U+0060 Grave Accent `

(since C++26)

Базовый набор символов литералов

Базовый набор символьных литералов состоит из всех символов базового набора символов, плюс следующие управляющие символы:

Кодовая точка	Символ
U+0000	Null
U+0007	Bell
U+0008	Backspace
U+000D	Возврат каретки (CR)

Исполняемый набор символов

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

Кодовая единица и кодирование литералов

Кодовая единица — это целочисленное значение символьного типа. Символы в символьном литерале , кроме многобайтового или не кодируемого символьного литерала, или в строковом литерале кодируются как последовательность из одной или нескольких кодовых единиц, определяемая префиксом кодировки; это называется соответствующим литеральным кодированием .

Литеральная кодировка или локально-специфичная кодировка одного из исполнительных наборов символов кодирует каждый элемент базового набора литеральных символов как отдельную кодовую единицу с неотрицательным значением, отличную от кодовой единицы для любого другого такого элемента. Символ, не входящий в базовый набор литеральных символов, может быть закодирован более чем одной кодовой единицей; значение такой кодовой единицы может совпадать со значением кодовой единицы для элемента базового набора литеральных символов. Кодировки исполнительных наборов символов могут быть несвязанными с любой литеральной кодировкой.

Обычная кодировка литералов — это кодировка, применяемая к обычным символьным или строковым литералам. Широкая кодировка литералов — это кодировка, применяемая к широким символьным или строковым литералам.

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

Для UTF-8, UTF-16 или UTF-32 литерала, скалярное значение UCS, соответствующее каждому символу трансляционного набора символов, кодируется в соответствии со спецификацией ISO/IEC 10646 для соответствующей формы кодирования UCS.

Примечания

Стандартные названия некоторых наборов символов изменены в C++23 посредством P2314R4 .

Новое название(я)	Старое название(я)
basic character set	basic source character set
basic literal character set	basic execution character set basic execution wide-character set

Отображение символов из исходного файла (кроме UTF-8 исходного файла) (начиная с C++23) в базовый набор символов (до C++23) набор символов трансляции (начиная с C++23) во время фазы трансляции 1 определяется реализацией, поэтому от реализации требуется документировать, как базовые исходные символы представлены в исходных файлах.

Отчеты о дефектах

Следующие отчеты об изменениях поведения, влияющие на дефекты, были применены задним числом к ранее опубликованным стандартам C++.

DR	Applied to	Behavior as published	Correct behavior
CWG 788	C++98	the values of the members of the execution character sets were implementation-defined, but were not locale-specific	they are locale-specific
CWG 1796	C++98	the representation of the null (wide) character in basic execution (wide-)character set had all zero bits	only required value to be zero

Смотрите также

Таблица ASCII

Документация C для Наборы символов и кодировки