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2²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 修改从ID_Continue派生
这里 XID_ 中的 X 大概表示 Extended, 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_Spacex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_Space⁴的Other_ID_Continue
- 符合
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.