C11及后续版本中L'\x1234'等字符常量的区别与相关疑问

四个字符常量的核心区别 #

• L'\x1234'：
  • 类型：wchar_t
  • 含义：从**执行字符集（ECS）**中取出编码为0x1234的字符，再转换为宽执行字符集对应的编码值，作为wchar_t类型常量。
• '\u1234'：
  • 类型：char（若U+1234的编码在char取值范围）或int（超出范围时）
  • 含义：直接表示Unicode代码点U+1234对应的字符，需能被当前ECS容纳，否则会触发未定义行为。
• u'\x1234'：
  • 类型：char16_t
  • 含义：从ECS中取出编码为0x1234的字符，转换为对应的Unicode代码点后，再编码为UTF-16格式，作为char16_t类型常量。
• L'\u1234'：
  • 类型：wchar_t
  • 含义：直接表示Unicode代码点U+1234对应的字符，转换为宽执行字符集的编码值，作为wchar_t类型常量。

疑问解答 #

1. 无L前缀的'\u1234'类型是什么？ #

在C11及后续版本中，无前缀的'\u1234'属于普通字符常量，其类型由Unicode代码点U+1234在当前ECS中的编码值决定：

• 如果该编码值落在char类型的取值范围内，常量类型为char；
• 如果编码值超出char的范围，常量类型自动升级为int。

2. L'\u1234'的整数值是什么？是否为UTF-16编码0x1234的字符在ECS中的编码？ #

L'\u1234'的整数值是Unicode代码点U+1234在宽执行字符集中的编码值，和UTF-16编码0x1234在ECS中的编码无关。
前缀L对应wchar_t类型，编译器会直接将U+1234这个Unicode代码点转换为宽执行字符集（通常是UTF-32，或平台特定的宽编码）的对应值，作为最终的常量值。

3. u'\x1234'所表示的字符的UTF-16编码是0x1234还是取决于ECS？ #

u'\x1234'的UTF-16编码取决于ECS，并非固定为0x1234：

• 首先，\x1234会从ECS中取出编码为0x1234的字符；
• 然后编译器会将该字符映射到对应的Unicode代码点；
• 最后再将这个Unicode代码点编码为UTF-16格式，得到char16_t类型的常量值。
  只有当ECS中0x1234对应的字符恰好是Unicode代码点U+1234时，其UTF-16编码才会是0x1234。

内容的提问来源于stack exchange，提问作者apadana