std :: string :: size（）strange behavior

Question

出力がUTFと関係しているとは思いますが、どうすればよいか分かりません。 誰か説明してください。

#include <iostream> 
#include <cstdint> 
#include <iomanip> 
#include <string> 

int main() 
{ 

    std::cout << "sizeof(char) = " << sizeof(char) << std::endl; 
    std::cout << "sizeof(std::string::value_type) = " << sizeof(std::string::value_type) << std::endl; 

    std::string _s1 ("abcde"); 
    std::cout << "s1 = " << _s1 << ", _s1.size() = " << _s1.size() << std::endl; 


    std::string _s2 ("abcdé"); 
    std::cout << "s2 = " << _s2 << ", _s2.size() = " << _s2.size() << std::endl; 

    return 0; 
} 

出力は次のようになります。

QTCreatorは次のようにコンパイル

sizeof(char) = 1  
sizeof(std::string::value_type) = 1  
s1 = abcde, _s1.size() = 5  
s2 = abcdé, _s2.size() = 6 

g++ --versionプリントg++ (Ubuntu 5.4.0-6ubuntu1~16.04.1) 5.4.0 20160609：

g++ -c -m32 -pipe -g -std=c++0x -Wall -W -fPIC -I../strsize -I. -I../../Qt/5.5/gcc/mkspecs/linux-g++-32 -o main.o ../strsize/main.cpp 
g++ -m32 -Wl,-rpath,/home/rodrigo/Qt/5.5/gcc -o strsize main.o 

どうもありがとう！

Answer 1

éはutf-8で2バイトの0xC3 0xA9としてエンコードされます。

Answer 2

C++の場合でも、std::stringはUTF-8とは関係ありません。 sizeのdescriptionとstd::stringのlength方法で我々が見ることができます：

のstd :: stringに

、要素バイト文字と同じではありません（char型のオブジェクト）が、であるかのようなマルチバイトエンコーディングUTF-8が使用されます。

したがって、サードパーティ製のユニコード互換ライブラリを使用して、ユニコード文字列を処理する必要があります。

ユニコード文字列以外の文字列クラスを引き続き使用すると、その他の問題が発生する可能性があります。たとえば、同じ外観のcombining characterとprecomposed characterを比較しようとすると、偽の結果が得られます。

Answer 3

gccdefault input character set is UTF-8。あなたのエディタもおそらくファイルをUTF-8として保存していたので、入力.cppファイルに文字列abcdéは6バイトを持ちます（Peterがすでに答えたように、LATIN SMALL LETTER E WITH ACUTEは2バイトのUTF-8でエンコードされています）。 std::string::lengthはバイト単位の長さを返します。 6. QED

ソースの.cppファイルを16進エディタで開いて確認する必要があります。