c++ - 字符集如何存储在字符串和 wstrings 中？

Question

因此，我一直在尝试对字符串和 wstring 进行一些研究，因为我需要了解它们如何为我正在创建的程序工作，所以我还研究了 ASCII 和 unicode，以及 UTF-8 和 UTF -16.

我相信我对这些工作原理的概念有很好的理解，但我仍然遇到问题的是它们实际上是如何存储在“char”、“string”、“wchar_t”和“wstring”中的。

所以我的问题如下:

1. char 和 wchar_t 使用哪种字符集和编码？这些类型是否仅限于使用这些字符集/编码？
2. 如果它们不限于这些字符集/编码，如何决定将什么字符集/编码用于特定的 char 或 wchar_t？例如，它是在编译时自动决定的，还是我们必须明确告诉它要使用什么？
3. 根据我的理解，UTF-8 在使用集合中的前 128 个代码点时使用 1 个字节，但在使用代码点 128 及以上时可以使用超过 1 个字节。如果是这样，这是如何存储的？例如，如果它只使用 1 个字节，它是否只是简单地与 ASCII 存储相同？类型(char 或 wchar_t 或其他)如何知道它使用了多少字节？
4. 最后，如果我的理解是正确的，我就会明白为什么 UTF-8 和 UTF-16 不兼容，例如。在需要 wstring 的地方不能使用 string。但是在需要 wstring 的程序中，编写一个从字符串到 wstring 的转换函数并在需要 wstring 使我的代码完全基于字符串时使用它，或者只在需要的地方使用 wstring 会更好吗？

谢谢，如果我的任何问题措辞不正确或使用了错误的术语，请告诉我，因为我正在尽力解决这个问题。

顺便说一句，我在用 C++ 工作

Answer 1

1. 他们使用您想要的任何字符集和编码。这些类型并不意味着特定的字符集或编码。它们甚至不暗示字符——您可以愉快地用它们做数学题。不要那样做，这很奇怪。

2. 如何输出文本？如果是控制台，则控制台决定哪个字符与每个值相关联。如果它是某种图形工具包，则由该工具包决定。控制台和工具包往往符合标准，因此现在它们很有可能使用 unicode。在旧系统上，任何事情都可能发生。

3. UTF8 与 ASCII 具有相同的值，范围为 0-127。除此之外，它变得有点复杂；这在这里解释得很好:https://en.wikipedia.org/wiki/UTF-8#Description

4. wstring 是由 wchar_t 组成的字符串，但遗憾的是 wchar_t 在不同平台上的实现方式不同。例如，在 Visual Studio 上它是 16 位(可用于存储 UTF16)，但在 GCC 上它是 32 位(因此可用于直接存储 unicode 代码点)。如果您希望代码可移植，则需要注意这一点。我个人选择只以 UTF8 格式存储字符串，并且只在需要时进行转换。