C++20 'char8_t' 与我们旧的 'char' 相同吗？

Question

在 CPP 参考文档中，

我注意到

char

字符类型足够大，可以表示任何 UTF-8 八位 代码单元 (C++14 起)

和

char8_t

UTF-8字符表示的类型，要求足够大 表示任何 UTF-8 代码单元（8 位）

这是否意味着两者是同一类型？或者

char8_t

还有其他功能吗？

Answer 1

免责声明：我是

char8_t

P0482 和 P1423 提案的作者。

在 C++20 中，

char8_t

是与所有其他类型不同的类型。 在 C 的相关提案中，N2653、

char8_t

是

unsigned char

的 typedef，类似于

char16_t

和

char32_t

的现有 typedef。

在 C++20 中，

char8_t

具有与

unsigned char

匹配的底层表示形式。 因此，它具有与

unsigned char

相同的大小（至少 8 位，但可能更大）、对齐方式和整数转换等级，但具有不同的别名规则。

特别是，

char8_t

未添加到 [basic.lval]p11 的类型列表中。 [basic.life]p6.4、[basic.types]p2 或 [basic.types]p4。 这意味着，与

unsigned char

不同，它不能用于其他类型对象的底层存储，也不能用于检查其他类型对象的底层表示；换句话说，它不能用作其他类型的别名。 这样做的结果是，可以通过指向

char8_t

或

char

的指针来访问

unsigned char

类型的对象，但指向

char8_t

的指针不能用于访问

char

或

unsigned char

数据。 换句话说：

reinterpret_cast<const char   *>(u8"text"); // Ok.
reinterpret_cast<const char8_t*>("text");   // Undefined behavior.

具有这些属性的独特类型的动机是：

1. 为 UTF-8 字符数据和字符数据提供不同的类型，其编码要么依赖于区域设置，要么需要单独的规范。

2. 启用普通字符串文字与 UTF-8 字符串文字的重载（因为它们可能具有不同的编码）。

3. 确保 UTF-8 数据的无符号类型（

   char

   是有符号还是无符号由实现定义）。

4. 通过非别名类型实现更好的性能；优化器可以更好地优化不别名其他类型的类型。

Answer 2

char8_t

与

char

不同。 它的行为与

unsigned char

完全相同，尽管按照 [basic.fundamental]/9

类型

char8_­t

表示其基础类型为

unsigned char

的不同类型。类型

char16_­t

和

char32_­t

表示不同的类型，其基础类型分别为

uint_­least16_­t

和

uint_­least32_­t

，在

<cstdint>.

中

^强调我的

---

请注意，由于标准将其称为不同类型，因此代码如下

std::cout << std::is_same_v<unsigned char, char8_t>;

将打印

0

(false)，即使

char8_t

是作为

unsigned char

实现的。 这是因为它不是别名，而是不同的类型。

---

另一件事需要注意的是，

char

可以实现为

signed char

或

unsigned char

。 这意味着

char

可能具有与

char8_t

相同的范围和表示形式，但它们仍然是不同的类型。

char

、

signed char

、

unsigned char

和

char8_t

尺寸相同，但它们都是不同的类型。