Многобайтовые строки с завершающим нулём — cppreference.com
Материал из cppreference.com
Многобайтовая строка с завершающим нулём (NTMBS - null-terminated multibyte string) или просто "многобайтовая строка" это последовательность ненулевых байтов, которая завершается байтом со значением ноль (завершающий нулевой символ).
Каждый символ, хранящийся в строке, может занимать больше одного байта. Кодировка, используемая для представления символов в многобайтовой символьной строке, зависит от локали: это может быть UTF-8, GB18030, EUC-JP, Shift-JIS и т.д. Например, массив символов {'\xe4','\xbd','\xa0','\xe5','\xa5','\xbd','\0'} представляет собой NTMBS, содержащую строку "你好" в многобайтовой кодировке UTF-8: первые три байта кодируют символ 好, следующие три байта кодируют символ 好. Та же строка, закодированная в GB18030 представляет собой массив символов {'\xc4', '\xe3', '\xba', '\xc3', '\0'}, где каждый из двух символов закодирован как двухбайтовая последовательность.
В некоторых многобайтовых кодировках любая заданная последовательность многобайтовых символов может представлять собой разные символы в зависимости от предыдущих байтовых последовательностей, известных как "сдвиг последовательностей". Такие кодировки больше известны как зависимые от состояния: для интерпретации каждого символа требуется знание текущего состояния сдвига. NTMBS действительна только в том случае, если она начинается и заканчивается в начальном состоянии сдвига: если использовался сдвиг последовательности, должен присутствовать соответствующий обратный сдвиг последовательности перед завершающим нулевым символом. Примерами таких кодировок являются 7-битная JIS, BOCU-1 и SCSU.
Многобайтовая символьная строка структурно-совместима с байтовой строкой с завершающим нулём (NTBS - null-terminated byte string), то есть может храниться, копироваться и проверяться с использованием тех же средств, за исключением вычисления количества символов. Если выбрана корректная локаль, функции Ввода/Вывода также обрабатывают многобайтовые строки. Многобайтовые строки могут быть преобразованы в широкие строки и наоборот с помощью функций-элементов std::codecvt, std::wstring_convert или с помощью следующих функций преобразования, зависимых от локали:
Преобразование многобайтовых/широких символов
Определены в заголовочном файле | |
| возвращает количество байтов в следующем мультибайтовом символе (функция) [править] | |
| преобразует следующий многобайтовый символ в широкий символ (функция) [править] | |
| преобразует широкий символ в его многобайтовое представление (функция) [править] | |
| преобразует узкую многобайтовую строку символов в широкую строку (функция) [править] | |
| преобразует широкую строку в узкую многобайтовую строку символов (функция) [править] | |
Определены в заголовочном файле | |
| проверяет, представляет ли объект std::mbstate_t начальное состояние сдвига (функция) [править] | |
| расширяет однобайтовый узкий символ до широкого символа, если это возможно (функция) [править] | |
| сужает широкий символ до однобайтового узкого символа, если это возможно (функция) [править] | |
| возвращает количество байтов в следующем многобайтовом символе для данного состояния (функция) [править] | |
| преобразует следующий многобайтовый символ в широкий символ при заданном состоянии (функция) [править] | |
| преобразует широкий символ в его многобайтовое представление при заданном состоянии (функция) [править] | |
| преобразует узкую многобайтовую строку символов в широкую строку при заданном состоянии (функция) [править] | |
| преобразует широкую строку в узкую многобайтовую строку символов при заданном состоянии (функция) [править] | |
Определены в заголовочном файле | |
(C++20) |
преобразует узкий многобайтовый символ в кодировку UTF-8 (функция) [править] |
(C++20) |
преобразует строку UTF-8 в узкую многобайтовую кодировку (функция) [править] |
(C++11) |
преобразует узкий многобайтовый символ в кодировку UTF-16 (функция) [править] |
(C++11) |
преобразует 16-битный символ в узкую многобайтовую строку (функция) [править] |
(C++11) |
преобразует узкий многобайтовый символ в кодировку UTF-32 (функция) [править] |
(C++11) |
преобразует 32-битный символ в узкую многобайтовую строку (функция) [править] |
Типы
Определены в заголовочном файле | |
| информация о состоянии преобразования, необходимая для итерации многобайтовых символьных строк (класс) [править] | |
Макросы
Определены в заголовочном файле | |
MB_LEN_MAX |
максимальное количество байтов в многобайтовом символе (макроконстанта) [править] |
Определены в заголовочном файле | |
MB_CUR_MAX |
максимальное количество байтов в многобайтовом символе в текущей локали C (макропеременная) [править] |
Определены в заголовочном файле | |
__STDC_UTF_16__ (C++11) |
указывает, что кодировка UTF-16 используется mbrtoc16 и c16rtomb (макроконстанта) |
__STDC_UTF_32__ (C++11) |
указывает, что кодировка UTF-32 используется mbrtoc32 и c32rtomb (макроконстанта) |