tiêu chuẩn C: Character thiết và mã hóa chuỗi đặc điểm kỹ thuật

Question

tôi thấy các tiêu chuẩn C (C99 và C11) mơ hồ đối với vị trí mã ký tự/chuỗi và các quy tắc mã hóa với:

Thứ nhất tiêu chuẩn định nghĩa the source character set và the execution character set. Về cơ bản, nó cung cấp một bộ glyph, nhưng không liên kết bất kỳ giá trị số với chúng - Vì vậy, bộ ký tự mặc định là gì?

Tôi không hỏi về mã hóa ở đây mà chỉ là hình tượng/tiết mục để ánh xạ điểm số/mã. Nó xác định universal character names là ISO/IEC 10646, nhưng nó có nói rằng đây là bộ ký tự mặc định không?

Là tiện ích mở rộng ở trên - Tôi không thể tìm thấy bất kỳ thông tin nào cho biết ký tự nào là số trình tự thoát số \ 0 và \ x đại diện.

Từ các tiêu chuẩn C (C99 và C11, tôi đã không kiểm tra ANSI C) Tôi đã nhận các sau đây về nhân vật và chuỗi literals:

+---------+-----+------------+----------------------------------------------+ 
| Literal | Std | Type  | Meaning          | 
+---------+-----+------------+----------------------------------------------+ 
| '...' | C99 | int  | An integer character constant is a sequence | 
|   |  |   | of one or more multibyte characters   | 
| L'...' | C99 | wchar_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| u'...' | C11 | char16_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| U'...' | C11 | char32_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| "..." | C99 | char[]  | A character string literal is a sequence of | 
|   |  |   | zero or more multibyte characters   | 
| L"..." | C99 | wchar_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u8"..." | C11 | char[]  | A UTF-8 string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u"..." | C11 | char16_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| U"..." | C11 | char32_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
+---------+-----+------------+----------------------------------------------+ 

Tuy nhiên tôi không thể tìm thấy bất cứ điều gì về mã hóa quy tắc cho những chữ này. UTF-8 dường như gợi ý mã hóa UTF-8, nhưng tôi không nghĩ rằng nó được đề cập rõ ràng ở bất kỳ đâu. Ngoài ra, đối với các loại khác là mã hóa không xác định hoặc thực hiện phụ thuộc?

Tôi không quen với đặc tả UNIX. Đặc tả UNIX có chỉ định bất kỳ ràng buộc bổ sung nào đối với các quy tắc này không?

Ngoài ra, nếu có ai có thể cho tôi biết lược đồ mã hóa/mã hóa nào được GCC và MSVC sử dụng cũng sẽ hữu ích.

Answer 1

C không tham lam về bộ ký tự. Không có điều gì như "bộ ký tự mặc định", nó được thực hiện xác định - mặc dù nó chủ yếu là ASCII hoặc UTF-8 trên hầu hết các hệ thống hiện đại.

Answer 2

Tiêu chuẩn không chỉ định mã hóa mặc định vì thực tế hiện tại đã có C được triển khai trên các máy có nhiều mã hóa khác nhau, ví dụ như khung chính Honeywell và khung chính của IBM.

Tôi hy vọng gcc sẽ mặc định gcc từ ngôn ngữ hiện được chỉ định bởi LC_CHARSET, nhưng tôi chưa bao giờ thử nghiệm nó.

VC++ có cài đặt mặc định từ cài đặt Bảng điều khiển. Cài đặt Bảng điều khiển mặc định thay đổi theo quốc gia mà Windows đã được mua và hầu hết người dùng không bao giờ thay đổi, nhưng họ có thể thay đổi cài đặt trong khi cài đặt Windows có thể thay đổi sau này.

Trigraphs được phát minh sao cho chương trình nguồn có thể được sao chép từ môi trường với một miền địa phương sang môi trường có ngôn ngữ hơi khác và vẫn được biên dịch. Ví dụ: nếu người dùng Windows ở Trung Quốc sử dụng các dấu vết thì người dùng Windows ở Hy Lạp có thể biên dịch cùng một chương trình nguồn. Tuy nhiên, nếu các ngôn ngữ khác nhau quá nhiều, ví dụ một cách sử dụng EBCDIC và một bằng cách sử dụng EUC, các dấu vết sẽ không đủ.