सी मानक: चरित्र की स्थापना की और स्ट्रिंग एन्कोडिंग विनिर्देश

Question

मैं चरित्र/स्ट्रिंग कोड पदों और एन्कोडिंग नियमों के संबंध में सी मानक (C99 और सी 11) अस्पष्ट पाया:

सबसे पहले मानक the source character set और the execution character set परिभाषित करता है। अनिवार्य रूप से यह ग्लिफ का एक सेट प्रदान करता है, लेकिन उनके साथ किसी भी संख्यात्मक मानों को संबद्ध नहीं करता है - तो डिफ़ॉल्ट वर्ण सेट क्या है?

मैं यहां एन्कोडिंग के बारे में नहीं पूछ रहा हूं लेकिन केवल ग्लिफ/रेपरोटेयर संख्यात्मक/कोड पॉइंट मैपिंग के लिए। यह universal character names को आईएसओ/आईईसी 10646 के रूप में परिभाषित करता है, लेकिन क्या यह कहता है कि यह डिफ़ॉल्ट वर्णमाला है?

उपरोक्त के विस्तार के रूप में - मुझे कुछ भी नहीं मिला जो कहता है कि संख्यात्मक भागने अनुक्रम \ 0 और \ x प्रतिनिधित्व करते हैं।

सी मानकों से (C99 और C11, मैं एएनएसआई सी जांच नहीं की) मैं निम्नलिखित चरित्र और स्ट्रिंग शाब्दिक के बारे में मिल गया:

+---------+-----+------------+----------------------------------------------+ 
| Literal | Std | Type  | Meaning          | 
+---------+-----+------------+----------------------------------------------+ 
| '...' | C99 | int  | An integer character constant is a sequence | 
|   |  |   | of one or more multibyte characters   | 
| L'...' | C99 | wchar_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| u'...' | C11 | char16_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| U'...' | C11 | char32_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| "..." | C99 | char[]  | A character string literal is a sequence of | 
|   |  |   | zero or more multibyte characters   | 
| L"..." | C99 | wchar_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u8"..." | C11 | char[]  | A UTF-8 string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u"..." | C11 | char16_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| U"..." | C11 | char32_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
+---------+-----+------------+----------------------------------------------+ 

हालांकि मैं एन्कोडिंग के बारे में कुछ भी नहीं मिला इन शाब्दिकों के लिए नियम। यूटीएफ -8 यूटीएफ -8 एन्कोडिंग संकेत देने लगता है, लेकिन मुझे नहीं लगता कि यह स्पष्ट रूप से का स्पष्ट रूप से उल्लेख किया गया है। इसके अलावा, अन्य प्रकार के लिए एन्कोडिंग अनिर्धारित या कार्यान्वयन निर्भर है?

मैं यूनिक्स विनिर्देश से परिचित नहीं हूं। क्या यूनिक्स विनिर्देश इन नियमों के लिए कोई अतिरिक्त बाधा निर्दिष्ट करता है?

इसके अलावा किसी को भी मुझे बता सकते हैं कि क्या चारसेट/एन्कोडिंग स्कीम जीसीसी और MSVC कि भी मदद मिलेगी द्वारा प्रयोग किया जाता है।

Answer 1

सी चरित्र सेट के बारे में लालची नहीं है। "डिफ़ॉल्ट चरित्र सेट" जैसी कोई चीज़ नहीं है, यह कार्यान्वयन परिभाषित है - हालांकि यह ज्यादातर आधुनिक प्रणालियों पर ज्यादातर ASCII या UTF-8 है।

Answer 2

मानक डिफ़ॉल्ट एन्कोडिंग निर्दिष्ट नहीं करता है क्योंकि मौजूदा अभ्यास पहले से ही कई अलग-अलग एन्कोडिंग वाले मशीनों पर लागू किया गया था, उदाहरण के लिए हनीवेल मेनफ्रेम और आईबीएम मेनफ्रेम।

मैं जीसीसी को वर्तमान में एलसी_CHARSET द्वारा निर्दिष्ट लोकेल से अपना डिफ़ॉल्ट लेने की उम्मीद करता हूं, लेकिन मैंने कभी इसका परीक्षण नहीं किया है।

वीसी ++ नियंत्रण कक्ष सेटिंग से अपना डिफ़ॉल्ट लेता है। उस डिफ़ॉल्ट नियंत्रण कक्ष सेटिंग के अनुसार भिन्नता है कि किस देश में विंडोज खरीदा गया था, और अधिकांश उपयोगकर्ता इसे कभी नहीं बदलते हैं, लेकिन विंडोज़ स्थापित करते समय वे इसे बदल सकते हैं बाद में इसे बदल सकते हैं।

ट्राइग्राफ का आविष्कार किया गया था ताकि एक स्रोत से एक स्थानीय कार्यक्रम की प्रतिलिपि बनाई जा सके, एक लोकेल के साथ एक पर्यावरण के साथ थोड़ा अलग लोकेल के साथ और अभी भी संकलित किया जा सके। उदाहरण के लिए यदि चीन में एक विंडोज उपयोगकर्ता ट्रिग्राफ का उपयोग करता है तो ग्रीस में एक विंडोज उपयोगकर्ता एक ही स्रोत प्रोग्राम को संकलित करने में सक्षम होगा। हालांकि, यदि लोकेशंस बहुत अधिक भिन्न हैं, उदाहरण के लिए ईबीसीडीआईसी का उपयोग करना और ईयूसी का उपयोग करने वाला एक, ट्रिग्राफ पर्याप्त नहीं होगा।