У меня возникли проблемы с определением точной семантики std::string.length(). В документации прямо указано, что length() возвращает количество символов в строке и не количество байтов. Мне было интересно, в каких случаях это действительно имеет значение.
В частности, относится ли это только к экземплярам std::basic_string<> без символов, или я также могу столкнуться с проблемами при хранении строк UTF-8 с многобайтовыми символами? Допускает ли стандарт length() поддержку UTF8?
Конечно, при работе с экземплярами std::basic_string<>, отличными от char, длина может не равняться количеству байтов. Это особенно очевидно с std::wstring:
std::wstring ws = L"hi";
cout << ws.length(); // <-- 2, not 4
Но std::string составляет около char символов; Для std::string не существует такой вещи, как многобайтовые символы, независимо от того, набили ли вы их на высоком уровне или нет. Итак, std::string.length() - это всегда количество байтов, представленных строкой. Обратите внимание, что если вы втисываете многобайтовые «символы» в std::string, тогда ваше определение «символа» внезапно начинает расходиться с определением контейнера и стандарта.
std::string - это около char символов, поэтому определение символа в C ++ - это элемент некоторого строкового типа, а не то, что видит человек, закодированный или закодированный каким-то образом. Это звучит правдоподобно, но может ли кто-нибудь процитировать главы и стихи по этому поводу?
- person Adrian Ratnapala; 08.01.2012
2.3/1 может представлять интерес - он определяет базовый набор символов. И 2.3/3 говорит: The execution character set and the execution wide-character set are implementation-defined supersets of the basic execution character set and the basic execution wide-character set, respectively. The values of the members of the execution character sets and the sets of additional members are locale-specific.
- person Lightness Races in Orbit; 08.01.2012
Если мы говорим конкретно о std::string, то length() действительно возвращает количество байтов.
Это потому, что std::string - это basic_string из char, а стандарт C ++ определяет размер одного char как ровно один байт.
Обратите внимание, что в стандарте не указано, сколько битов в байте, но это совсем другая история, и вам, вероятно, все равно.
РЕДАКТИРОВАТЬ: Стандарт действительно говорит, что реализация должна предоставлять определение для CHAR_BIT, которое говорит, сколько битов в байте.
Кстати, если вы пойдете по дороге, где вам все равно, сколько бит в байте, вы можете прочитать это.
CHAR_BIT, количество бит в байте.
- person Mike Seymour; 12.10.2011
std::string - это std::basic_string<char>, поэтому s.length() * sizeof(char) = byte length. Кроме того, std::string ничего не знает о UTF-8, поэтому вы получите размер байта, даже если это не совсем то, что вам нужно.
Если у вас есть данные UTF-8 в std::string, вам нужно будет использовать что-то еще, например ICU чтобы получить "настоящую" длину.
cplusplus.com - это не «документация» для std::string, это некачественный сайт, полный некачественной информации. Стандарт C ++ определяет это очень четко:
# P3 #
# P5 # # P6 #
wchar_tимеет фиксированный размер, как и любой другой тип. Это не может измениться волшебным образом. - person Lightness Races in Orbit schedule 12.10.2011std::stringиstd::wstringи кое-что о Юникоде: stackoverflow.com / questions / 402283 / stdwstring-vs-stdstring. - person wkl schedule 12.10.2011wstringне имеет ничего общего с UTF. Возможно, вы думали оu16stringилиu32string? - person Kerrek SB schedule 12.10.2011