Многобайтовые строки с завершающим нулём

 

C++

Поддержка компилятором

Автономные и размещённые реализации

Язык

Заголовки стандартной библиотеки

Требования к именованию

Макросы тестирования функциональности (C++20)

Поддержка языка

Библиотека концептов (C++20)

Библиотека метапрограммирования (C++11)

Библиотека диагностики

Библиотека общих утилит

Библиотека строк

Библиотека контейнеров

Библиотека итераторов

Библиотека диапазонов (C++20)

Библиотека алгоритмов

Библиотека численных данных

Библиотека ввода/вывода

Библиотека локализаций

Регулярные выражения (C++11)

Атомарные операции (C++11)

Библиотека поддержки конкуренции (C++11)

Библиотека файловой системы (C++17)

Технические спецификации

Указатель символов

Внешние библиотеки

 

Строки

Строки с завершающим нулём

Однобайтовые строки

Многобайтовые строки

Широкие строки

Классы

basic_string

basic_string_view (C++17)

char_traits

 

Многобайтовые строки с завершающим нулём

Широкие/многобайтовые преобразования
mbsinit
mbtowc mbstowcs btowc mbrtowc mbsrtowcs mbrtoc8 (C++20) mbrtoc16 (C++11) mbrtoc32 (C++11) mblen	wctomb wcstombs wctob wcrtomb wcsrtombs c8rtomb (C++20) c16rtomb (C++11) c32rtomb (C++11) mbrlen
Типы
mbstate_t

 

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 <cstdlib>
mblen	возвращает количество байтов в следующем мультибайтовом символе (функция)
mbtowc	преобразует следующий многобайтовый символ в широкий символ (функция)
wctomb	преобразует широкий символ в его многобайтовое представление (функция)
mbstowcs	преобразует узкую многобайтовую строку символов в широкую строку (функция)
wcstombs	преобразует широкую строку в узкую многобайтовую строку символов (функция)
Определены в заголовочном файле <cwchar>
mbsinit	проверяет, представляет ли объект mbstate_t начальное состояние сдвига (функция)
btowc	расширяет однобайтовый узкий символ до широкого символа, если это возможно (функция)
wctob	сужает широкий символ до однобайтового узкого символа, если это возможно (функция)
mbrlen	возвращает количество байтов в следующем многобайтовом символе для данного состояния (функция)
mbrtowc	преобразует следующий многобайтовый символ в широкий символ при заданном состоянии (функция)
wcrtomb	преобразует широкий символ в его многобайтовое представление при заданном состоянии (функция)
mbsrtowcs	преобразует узкую многобайтовую строку символов в широкую строку при заданном состоянии (функция)
wcsrtombs	преобразует широкую строку в узкую многобайтовую строку символов при заданном состоянии (функция)
Определены в заголовочном файле <cuchar>
mbrtoc8 (C++20)	преобразует узкий многобайтовый символ в кодировку UTF-8 (функция)
c8rtomb (C++20)	преобразует строку UTF-8 в узкую многобайтовую кодировку (функция)
mbrtoc16 (C++11)	преобразует узкий многобайтовый символ в кодировку UTF-16 (функция)
c16rtomb (C++11)	преобразует 16-битный символ в узкую многобайтовую строку (функция)
mbrtoc32 (C++11)	преобразует узкий многобайтовый символ в кодировку UTF-32 (функция)
c32rtomb (C++11)	преобразовывает 32-битный символ в узкую многобайтовую строку (функция)

Типы

Определены в заголовочном файле <cwchar>
mbstate_t	информация о состоянии преобразования, необходимая для итерации многобайтовых символьных строк (класс)

Макросы

Определены в заголовочном файле <climits>
MB_LEN_MAX	максимальное количество байтов в многобайтовом символе (константа-макрос)
Определены в заголовочном файле <cstdlib>
MB_CUR_MAX	максимальное количество байтов в многобайтовом символе в текущей локали C (макропеременная)
Определены в заголовочном файле <cuchar>
__STDC_UTF_16__ (C++11)	указывает, что кодировка UTF-16 используется mbrtoc16 и c16rtomb (константа-макрос)
__STDC_UTF_32__ (C++11)	указывает, что кодировка UTF-32 используется mbrtoc32 и c32rtomb (константа-макрос)

Смотрите также

Документация по C для Многобайтовые строки с завершающим нулём