字符串文本如何存储在c++的内存中？

Question

关于字符串文本如何存储在c++的内存中，我有一个问题。我知道char是根据他们的ascii代码存储的，但是我比较喜欢unicode字符集。这样做的原因是我试图处理一些地区。让我们假设我要做的是将小写字符转换为大写字符。它在Xcode终端中工作，

#include <iostream>
#include <string>
#include <cctype>
#include <clocale>

using namespace std;

int main()
{
wcout.imbue(std::locale("sv_SE.Utf-8"));
const std::ctype<wchar_t>& f = std::use_facet< std::ctype<wchar_t> >(std::locale("sv_SE.Utf-8"));

wstring str {L"åäö"}; // Swedish letters

f.toupper(&str[0], &str[0] + str.size());

std::wcout << str.length() << std::endl;
std::wcout << str << std::endl;
}

Output:
3
ÅÄÖ

然而，当我试图在OS终端上运行它时，我会收到垃圾，

Output:
3
ÅÄÖ

此外，当我提示用户输入时，

#include <iostream>
#include <string>
#include <cctype>
#include <clocale>

using namespace std;

int main()
{
wcin.imbue(std::locale(""));
wcout.imbue(std::locale("sv_SE.Utf-8"));
const std::ctype<wchar_t>& f = std::use_facet< std::ctype<wchar_t> >(std::locale("sv_SE.Utf-8"));

//wstring str {L"åäö"};
wcout << "Write something>> ";
wstring str;
getline(wcin, str);

f.toupper(&str[0], &str[0] + str.size());

std::wcout << str.length() << std::endl;
std::wcout << str << std::endl;
}

我从Xcode终端收到垃圾，

Output:
Write something>> åäö
6
åäö

当我使用这些字母时，OS X术语实际上是挂起的。可以修改wcin流以假定C编码wcin.imbue(std::locale());，它在Xcode中仍然提供相同的输出，但在OS终端中给出了如下结果：

Output:
Write something>> åäö
3
ŒŠš

因此，这个问题显然与编码有关。所以，我想知道字符串文本实际上是如何存储在c++中的内存中的。这可以分为两种不同的情况。

案例1:在源代码中输入的字符串文字(如wstring str {L"åäö"}; )。

案例2:通过标准输入流输入的字符串(本例中为wcin)。

这两种情况不一定以相同的方式存储字符串。我知道unicode是一个字符集，utf-8是一种编码，所以我更想知道的是，字符串文本在存储在内存中时是否被编码，在这种情况下是如何编码的。

此外，如果有人知道如何自动识别当前终端中使用的编码，那就太好了。

布尔帕特里克

编辑

我得到一些评论，尽管其中一些是好的，但与问题并不完全相关。这意味着这个问题可能需要一些澄清。这个问题可以看作是对一个相当拙劣的问题的概括：

“我可以假设字符串文本与它们的unicode点码一起存储在内存中吗？”

这个问题提出得很糟糕，至少有两个原因。首先，它假设字符串文本是如何存储的(以及它们的unicode代码点)。这意味着答案必须与unicode相关，尽管这种关系可能完全没有意义。此外，这个问题是“是”或“否”的问题，如果答案是“否”的话，这是没有帮助的。

我还了解到，可以测试将代码点转换为其整数等效值并打印它，但这将要求我对整个unicode字符集进行测试(这似乎是一种不合理的方法)。

Answer 1

首先，定义了将文件解释为字符序列的方式。要确定这一点，您必须查阅编译器文档。

其次，还定义了所使用的字符集。因此，同样地，您必须咨询编译器。

当您插入非ascii字符(可能也使用ascii)时，可能会发生的情况是编译器会对它们进行不同的解释。您必须检查不同的编译器实际上是否能够处理相同的编码，最有可能实现可移植的源代码编码是UTF-8。

此外，也许您最好在大多数程序中使用UTF-8编码的文本(只有在需要wchar_t的API附近才需要以这种方式处理字符串)。

底线。确保编译器逐字存储字符串文字，并使用普通(窄)字符串，并使用以UTF-8编码保存的编辑器。

Answer 2

在这里看到的关于这个主题的string_literal页面有很好的背景

literal

我讨论这个问题并不是为了字节和编码存储，而是为了了解它们在内存中的位置，它位于应用程序的静态内存中：

字符串文本具有静态存储时间，因此在程序的生命周期中存在于内存中。