C++标识符中的Unicode字符

这其实是我的课程作业，但是因为确实解决了我的一大疑惑和内容比较充实，所以发到这里。

---

在C++ References的Language栏目下的Identifiers栏目中，有关于C++中标识符命名规则的说明^[1]：

• 首字符应为：
  • 大小写字母
  • 下划线
  • 带有XID_Start属性的任意Unicode字符
• 其他字符应为：
  • 数字
  • 大小写字母
  • 下划线
  • 带有XID_Continue属性的任意Unicode字符

原网页在两个规则的最后一条末尾给出了一个链接，指向2023年9月1日发布的Unicode 15.1.0标准的第31号附件：UNICODE IDENTIFIERS AND SYNTAX。这个附件的表2^[2]指出了上述规则中提到的XID_属性的说明和覆盖范围：

• XID_Start：根据NFKC修改^[3]从ID_Start派生
• XID_Continue：根据NFKC修改^[3:1]从ID_Continue派生

这里XID_中的X表示Extended（笔者个人意见），实际意义就是其从ID_中经过NFKC（Normalization Form Compatibility Composition）派生。在表格中，同样给出了ID_属性的说明和覆盖范围：

• ID_Start

  • 大小写字母
  • titlecase letters（似乎与希腊语有关，这里因为和“大写字母”翻译重合不再翻译）
  • modifier letters（同上，但似乎不是希腊语）
  • other letters（同上）
  • letter numbers（同上，类似于各种语言的罗马数字）
  • 除Pattern_Syntax和Pattern_White_Space^[4]的Other_ID_Start

• ID_Continue

  • 符合ID_Start属性的字符
  • 非间距标记
  • 间距组合标记
  • 数字
  • 连接符标点
  • 除Pattern_Syntax和Pattern_White_Space^[4:1]的Other_ID_Continue

其中仍然存在的一些不明属性因过于无聊和没有必要不再展开。

其中，平常提到的希腊字母在小写字母的范畴内，大部分中文汉字和其他国家的文字在other letter范畴内。因此实际上你可以用中文、希腊字母做标识符名字的一部分。

但是，在实际测试中，gcc 10.2.1能够正确识别由Emoji表情符号组成的标识符，而Emoji表情所属的other symbol并不在上述属性的范围内。说明编译器开发者对待标准的态度也不是那么一板一眼。

需要注意的是，以上所说的内容只适用于C++11及之后的标准。实际上，C++的Unicode字符支持首次出现是在N3337草案^[5]中，这是C++11发布后的第一个标准草案，对C++11标准做了一些重要的修改，应用于C++11标准。

---

1. Identifiers - cppreference.com ↩︎

2. UAX #31: Unicode Identifiers and Syntax ↩︎

3. UAX #31: Unicode Identifiers and Syntax ↩︎ ↩︎

4. UAX #31: Unicode Identifiers and Syntax ↩︎ ↩︎

5. 14882: Contents (timsong-cpp.github.io) ↩︎

留言评论