MSVC++中源字符集编码规范，类似于gcc的“-finput-charset = CharSet”参数。

Question

我想创建一些处理编码的示例程序，具体来说，我想使用宽字符串，例如：

wstring a=L"grüßen";
wstring b=L"שלום עולם!";
wstring c=L"中文";

因为这些是示例程序。

对于将源代码视为UTF-8编码文本的gcc来说，这是绝对微不足道的问题。但是，在MSVC下，直接编译可能会出现问题。我知道可以使用转义序列对它们进行编码，但我更喜欢将它们保留为可读文本。

是否有任何选项可以作为命令行开关在“cl”中指定，以使其正常工作？是否有类似于gcc的-finput-charset的命令行开关？

如果没有，您会建议如何使文本对用户更加自然？

注意：将BOM添加到UTF-8文件不是一个选择，因为其他编译器将无法编译它。

注意2：我需要它能在MSVC版本> = 9 == VS 2008中工作。

真实答案：没有解决方案。

- Artyom

---

太惊人了，MSVC++ 竟然没有这样的编译选项。真是遗憾啊... - Piotr Dobrogost

我猜您在问这个问题时指的是源文件字符集的规范，请更正我如果我猜错了。“源字符集”是标准中用于编译器内部使用的实现定义字符集的术语。 - Piotr Dobrogost

@PiotrDobrogost 任何人都无法猜测为什么微软没有跟上世界其他地区的步伐，本地支持UTF-8编译和SDK，并在程序员必须将Windows应用国际化到UTF-8世界中时添加了如此多的低效、麻烦、混乱和痛苦。但我有一个猜测；这叫做官僚主义和利润动机，而不是对质量的关心或关注。 - Dan Nissenbaum

@DanNissenbaum，你看，微软故意不支持UTF-8或任何真正的“互操作性”（这个术语是他们发明的）。有很多地方微软只是把东西搞得勉强能用。所以要么按照微软的方式，要么就没有其他选择。 - Artyom

Answer 1

对于那些奉行“迟到总比不来得好”的人来说，Visual Studio 2015（编译器的第19个版本）现在支持此功能。

新的/source-charset命令行开关允许您指定用于解释源文件的字符集编码。它需要一个参数，可以是IANA或ISO字符集名称之一：

/source-charset:utf-8

或特定代码页的十进制标识符（前缀为点号）：

/source-charset:.65001

官方文档在这里, Visual C++ 团队博客上也有一篇详细的文章描述了这些新选项。

还有一个互补的/execution-charset开关, 它的作用方式完全相同，但控制着可执行文件中生成的窄字符和字符串字面值。最后，还有一个快捷开关/utf-8, 它设置了/source-charset:utf-8和/execution-charset:utf-8两个选项。

这些命令行选项与旧的#pragma setlocale和#pragma execution-character-set指令不兼容，并且它们适用于所有源文件。

对于使用旧版本编译器的用户，最好的选择仍然是将源文件保存为带有BOM的UTF-8格式（正如其他答案所建议的，IDE在保存时可以执行此操作）。编译器将自动检测并适当地处理此格式。GCC也接受源文件开头的BOM，不会因此而出错，使这种方法具有功能上的可移植性。

- Cody Gray

Answer 2

打开文件 - > 高级保存选项...在编码组合框中选择Unicode(带签名的UTF-8) - 代码页65001。编译器将自动使用所选编码。

---

根据Microsoft的回答这里:

如果您想要非ASCII字符，那么“官方”的可移植方法是使用\u（或\U）十六进制编码（我同意，这只是纯粹丑陋和容易出错的）。

当编译器面对没有BOM的源文件时，编译器会向前读取一定距离的文件以查看是否可以检测到任何Unicode字符 - 它特别寻找UTF-16和UTF-16BE - 如果两者都没有找到，则假设其具有MBCS。 我怀疑在这种情况下它会退回到MBCS，这就是问题的根源。

明确最好，因此虽然我知道这不是完美的解决方案，但我建议使用BOM。

乔纳森·卡夫斯
Visual C++编译器团队。

---

将文本字符串放置在资源文件中是一个好的解决方法。 这是一种便捷且可移植的方法。 您可以使用本地化库，如gettext来管理翻译。

- Kirill V. Lyadvinsky

---

编译器会自动将文件中的字符串常量转换，因此字符串将以UCS2编码形式存储在EXE中。 - Kirill V. Lyadvinsky

好的，我明白了，你的意思是建议手动将“BOM”标记添加到UTF-8中，确实可以解决问题，但问题是它不能与gcc和其他不需要无意义BOM的编译器一起使用。 - Artyom

也许你应该尝试不带签名的UTF-16编码。Visual C++支持它，那gcc呢？ - Kirill V. Lyadvinsky

没有编译器可以解释所有的代码，所以最好选择适合你的编译器。 - Artyom

好的...我看到微软已经回答说没有解决方案。感谢提供参考，接受答案。 - Artyom

Answer 3

我们所采用的流程为：将文件保存为UTF8带BOM格式，使得linux和windows共享相同的源文件。对于linux系统：在编译指令中预处理源文件以删除BOM，并在非BOM文件上运行g++作为中间文件。

- Navit F

Answer 4

在我看来，所有的C++源文件都应该是严格的ASCII格式。如果编辑器支持，注释可以使用UTF-8格式。
这样可以使代码跨平台、编辑器和源代码控制系统具有可移植性。

您可以使用\u将Unicode字符插入到宽字符串中：

std::wstring str = L"\u20AC123,00"; //€123,00

- cuteCAT

---

那恰恰是我不想做的。 - Artyom

Answer 5

如果你使用的是VS，可以使用以下方法：

#pragma setlocale( "[locale-string]" )

文件编码将使用区域设置的默认 ANSI 代码页。

但通常在代码中硬编码任何用户可见字符串都是一个不好的主意。将它们存储在某种资源中。这对本地化、易于拼写检查和更新等方面都很有好处。

- Mihai Nita

---

一般来说，在您的代码中硬编码任何用户可见字符串都是一个不好的主意。我知道，但这大多是为了例子，在这些情况下，让用户看到发生了什么很重要。但是，我该如何在区域设置字符串中指定UTF-8字符集呢？据我所知，Windows不支持UTF-8编码的区域设置。 - Artyom

经过简短的测试，MSVC 2005 无法接受 setlocale(".65001") 即 UTF-8 代码页。 - Artyom

65001是一个代码页，pragma需要一个locale。 没有UTF-8作为代码页的locale。如果你只需要在VS中工作，你可以将它保存为UTF-16 （从记事本中“另存为”并选择编码“Unicode”）否则，唯一可移植的方法是像Sherwood Hu建议的那样进行转义。不管你喜不喜欢，这是唯一的方法。而正确的方法是不要在你的c文件中硬编码它 :-) - Mihai Nita