Подпись char и Unicode в C++0x

char будет типом, используемым для UTF-8, потому что он переопределен, чтобы быть уверенным, что его можно использовать с ним:

В целях улучшения поддержки Unicode в компиляторах C++ определение типа char было изменено, чтобы иметь как минимум размер, необходимый для хранения восьмибитного кодирования UTF-8, и достаточно большой, чтобы содержать любой элемент базового набора символов исполнения компилятора. Ранее он определялся только как последний. C++0x поддерживает три кодировки Unicode: UTF-8, UTF-16 и UTF-32. В дополнение к ранее отмеченным изменениям в определении char C++0x добавит два новых типа символов: char16_t и char32_t. Они предназначены для хранения UTF-16 и UTF-32 соответственно.

Источник: http://en.wikipedia.org/wiki/C%2B%2B0x< /а>

Предполагается, что char16_t и char32_t можно использовать для представления кодовых точек. Поскольку нет отрицательных кодовых точек, разумно, чтобы они были беззнаковыми.

UTF-8 не представляет кодовые точки напрямую, поэтому не имеет значения, является ли базовый тип u8 подписанным или нет.

Черновик С++ 0x, похоже, не указывает, являются ли новые типы символов Unicode знаковыми или беззнаковыми. Однако, как уже упоминалось другими, поскольку нет отрицательных кодовых точек Unicode, было бы более разумно, чтобы char16_t и char32_t были беззнаковыми. (С другой стороны, char имело бы смысл быть беззнаковым, но мы имеем дело с «отрицательными» символами с 70-х годов.)

Кроме того, поскольку UTF-16 находится в диапазоне от 0x0 до 0xFFFF (игнорируя суррогатные пары), вам потребуется весь диапазон 16-битного целого числа без знака для правильного представления всех значений. Было бы, по меньшей мере, неудобно, если бы кодовые точки от 0x8000 до 0xFFFF были представлены как отрицательные числа с char16_t.

В любом случае, пока комитет C++0x не скажет что-то определенное по этому поводу, вы всегда можете просто проверить свою реализацию:

#include <type_traits>
#include <iostream>

int main()
{
    std::cout << std::boolalpha << std::is_signed<char16_t>::value << std::endl;
}

Это выводит false с использованием GCC 4.45 в Linux. Так что, по крайней мере, на одной платформе новые типы Unicode определенно беззнаковые.