C++ 字符类型完全指南：char、ASCII和转义序列

到目前为止，我们所研究的基本数据类型都用于存储数字（整数和浮点数）或布尔值（真/假）。但如果我们要存储字母或标点符号呢？

#include <iostream>

int main()
{
    std::cout << "Would you like a burrito? (y/n)";

    // 我们希望用户输入一个'y'或'n'字符
    // 我们该怎么做呢？

    return 0;
}

char 数据类型基础

char数据类型被设计用来存储单个字符。字符可以是单个字母、数字、符号或空白字符。

char数据类型是一种整型，这意味着底层值以整数形式存储。类似于布尔值0被解释为假，非0被解释为真，char变量存储的整数被解释为ASCII字符。

ASCII代表美国信息交换标准代码，它定义了一种特定的方式来将英文字符（以及一些其他符号）表示为0到127之间的数字（称为ASCII码或码点）。例如，ASCII码97被解释为字符"a"。

字符字面量总是放在单引号之间（例如"g"、“1”、" “）。

下面是一个完整的ASCII字符表：

代码0-31和127被称为不可打印字符。这些代码被设计用来控制外围设备，如打印机（例如，通过指示打印机如何移动打印头）。如今，大多数这样的代码已经过时。如果你尝试打印这些字符，结果取决于你的操作系统（你可能会得到一些类似表情符号的字符）。

代码32-126被称为可打印字符，它们代表大多数计算机用来显示基本英文文本的字母、数字字符和标点符号。

如果你尝试打印一个值超出ASCII范围的字符，结果也取决于你的操作系统。

初始化字符

你可以使用字符字面量来初始化char变量：

char ch2{ 'a' }; // 使用"a"的码点进行初始化（以整数97存储）（推荐）

你也可以使用整数来初始化字符，但最好尽量避免。

char ch1{ 97 }; // 使用整数97进行初始化（"a"）（不推荐）

警告

注意不要混淆字符数字和整数数字。以下两种初始化方式并不相同：

char ch{5}; // 使用整数5进行初始化（以整数5存储）
char ch{'5'}; // 使用"5"的码点进行初始化（以整数53存储）

字符数字用于表示文本中的数字，而不是用于进行数学运算的数字。

字符的输入和输出

打印字符

当使用std::cout打印char时，std::cout会将char变量作为ASCII字符输出：

#include <iostream>

int main()
{
    char ch1{ 'a' }; // （推荐）
    std::cout << ch1; // cout打印字符"a"

    char ch2{ 98 }; // "b"的码点（不推荐）
    std::cout << ch2; // cout打印一个字符（"b"）

    return 0;
}

这将产生以下结果：

ab

我们也可以直接输出字符字面量：

std::cout << 'c';

这将产生以下结果：

c

输入字符

以下程序要求用户输入一个字符，然后打印出该字符：

#include <iostream>

int main()
{
    std::cout << "Input a keyboard character: ";

    char ch{};
    std::cin >> ch;
    std::cout << "You entered: " << ch << '\n';

    return 0;
}

一次运行的输出如下：

Input a keyboard character: q
You entered: q

注意，std::cin允许你输入多个字符。然而，变量ch只能存储1个字符。因此，只有第一个输入字符被提取到变量ch中。用户输入的其余部分保留在std::cin使用的输入缓冲区中，并可以通过后续调用std::cin来提取。

你可以在以下示例中看到这种行为：

#include <iostream>

int main()
{
    std::cout << "Input a keyboard character: "; // 假设用户输入"abcd"（不含引号）

    char ch{};
    std::cin >> ch; // ch = 'a', "bcd"留在队列中
    std::cout << "You entered: " << ch << '\n';

    // 注意：以下cin不会提示用户输入，而是获取队列中的输入！
    std::cin >> ch; // ch = 'b', "cd"留在队列中
    std::cout << "You entered: " << ch << '\n';

    return 0;
}

输入结果如下：

Input a keyboard character: abcd
You entered: a
You entered: b

如果你想一次读取多个字符（例如，读取一个名字、单词或句子），你应该使用字符串而不是字符。字符串是一系列连续字符的集合（因此，字符串可以存储多个符号）。我们在后续课程（5.7 – std::string简介）中讨论这个问题。

提取空白字符

由于提取输入会忽略前导空白，这可能导致在尝试将空白字符提取到字符变量时出现意外结果：

#include <iostream>

int main()
{
    std::cout << "Input a keyboard character: "; // 假设用户输入"a b"（不含引号）

    char ch{};
    std::cin >> ch; // 提取a，留下" b\n"在流中
    std::cout << "You entered: " << ch << '\n';

    std::cin >> ch; // 跳过前导空白（空格），提取b，留下"\n"在流中
    std::cout << "You entered: " << ch << '\n';

    return 0;
}

输入结果如下：

Input a keyboard character: a b
You entered: a
You entered: b

在上述示例中，我们可能期望提取空格，但由于前导空白被跳过，我们提取了字符b。

解决这个问题的一个简单方法是使用std::cin.get()函数来执行提取，因为该函数不会忽略前导空白：

#include <iostream>

int main()
{
    std::cout << "Input a keyboard character: "; // 假设用户输入"a b"（不含引号）

    char ch{};
    std::cin.get(ch); // 提取a，留下" b\n"在流中
    std::cout << "You entered: " << ch << '\n';

    std::cin.get(ch); // 提取空格，留下"b\n"在流中
    std::cout << "You entered: " << ch << '\n';

    return 0;
}

输入结果如下：

Input a keyboard character: a b
You entered: a
You entered:  

字符类型的特性

字符大小、范围和默认符号

C++定义char始终为1字节大小。默认情况下，char可以是有符号的或无符号的（尽管通常是有符号的）。如果你使用char来存储ASCII字符，你不需要指定符号（因为有符号和无符号的char都可以存储0到127之间的值）。

如果你使用char来存储小整数（除非你明确地为了节省空间进行优化，否则你不应该这样做），你应该始终指定它是有符号的还是无符号的。有符号的char可以存储-128到127之间的数字。无符号的char可以存储0到255之间的数字。

转义序列详解

基本转义序列

在C++中，有些字符序列具有特殊含义。这些字符被称为转义序列。转义序列以”"（反斜杠）字符开头，然后是一个字母或数字。

你已经看到了最常用的转义序列：’\n’，它可以用来打印换行符：

#include <iostream>

int main()
{
    int x { 5 };
    std::cout << "The value of x is: " << x << '\n'; // 独立的\n放在单引号中
    std::cout << "First line\nSecond line\n";        // \n可以嵌入在双引号中
    return 0;
}

这将输出：

The value of x is: 5
First line
Second line

另一个常用的转义序列是’\t’，它嵌入一个水平制表符：

#include <iostream>

int main()
{
    std::cout << "First part\tSecond part";
    return 0;
}

这将输出：

First part	Second part

其他三个值得注意的转义序列是：

• ' 打印单引号
• " 打印双引号
• \ 打印反斜杠

以下是所有转义序列的表格：

#include <iostream>

int main()
{
    std::cout << "\"This is quoted text\"\n";
    std::cout << "This string contains a single backslash \\\n";
    std::cout << "6F in hex is char '\x6F'\n";
    return 0;
}

打印结果如下：

"This is quoted text"
This string contains a single backslash \
6F in hex is char 'o'

警告

转义序列以反斜杠（\）开头，而不是正斜杠（/）。如果你不小心使用了正斜杠，它仍然可能编译，但不会产生预期的结果。

转义序列的使用注意事项

换行符（\n）与std::endl

我们在课程1.5 – iostream简介：cout、cin和endl中讨论了这个主题。

字符字面量使用指南

单引号和双引号的区别

单引号之间的文本被视为字符字面量，它代表一个字符。例如，“a"代表字符a，"+“代表加号字符，“5"代表字符5（而不是数字5），而”\n"代表换行符。

双引号之间的文本（例如"Hello, world!"）被视为C风格字符串字面量，它可以包含多个字符。我们在课程5.2 – 字面量中讨论字符串。

多字符字面量的问题

为了向后兼容，许多C++编译器支持多字符字面量，它们是包含多个字符的字符字面量（例如"56”）。如果支持，这些字面量的值由实现定义（意味着它取决于编译器）。因为它们不是C++标准的一部分，而且它们的值没有严格定义，所以应该避免使用多字符字面量。

最佳实践

避免使用多字符字面量（例如"56”）。

多字符字面量的支持常常给新手程序员带来问题，当他们忘记转义序列是使用正斜杠还是反斜杠时：

#include <iostream>

int add(int x, int y)
{
    return x + y;
}

int main()
{
    std::cout << add(1, 2) << '/n'; // 我们这里使用了正斜杠而不是反斜杠

    return 0;
}

程序员期望这个程序打印出3和一个换行符。但相反，在作者的机器上，它输出了以下内容：

312142

问题是程序员错误地使用了"/n"（一个多字符字面量，由一个正斜杠和一个"n"字符组成），而不是"\n"（换行的转义序列）。程序首先正确地打印出3（add(1, 2)的结果）。然后，它打印出多字符字面量"/n"的值，在作者的机器上，这个值是12142。

警告

确保你的换行符使用转义序列"\n"，而不是多字符字面量"/n"。

关键见解

注意，如果我们对输出使用了双引号"/n"，程序将打印出3/n，这仍然是错误的，但要少

另一个示例

让我们从以下代码开始：

#include <iostream>

int main()
{
    int x { 5 };
    std::cout << "The value of x is " << x << '\n';

    return 0;
}

这个程序的输出结果正如你所期望的那样：

The value of x is 5

但这个输出结果还不够令人兴奋，于是我们决定在换行符之前添加一个感叹号：

#include <iostream>

int main()
{
    int x { 5 };
    std::cout << "The value of x is " << x << '!\n'; // 添加了感叹号

    return 0;
}

我们期望这个程序的输出结果如下：

The value of x is 5!

然而，由于"!\n"是一个多字符字面量，在作者的机器上，这个程序实际输出的结果是：

The value of x is 58458

这不仅是一个错误，而且很难调试，因为你可能会误以为变量x的值是错误的。

在输出字符字面量时使用双引号（而不是单引号）可以使这类问题更容易被发现，或者完全避免这类问题。

扩展字符类型

Unicode字符支持

就像ASCII将整数0到127映射到美式英语字符一样，其他字符编码标准也存在，用于将不同大小的整数映射到其他语言的字符。除了ASCII之外，最著名的映射是Unicode标准，它将超过144000个整数映射到许多不同语言的字符。由于Unicode包含如此多的码点，一个Unicode码点需要32位来表示一个字符（称为UTF-32）。然而，Unicode字符也可以使用多个16位或8位字符进行编码（分别称为UTF-16和UTF-8）。

C++11引入了char16_t和char32_t，以明确支持16位和32位Unicode字符。这些字符类型分别与std::uint_least16_t和std::uint_least32_t的大小相同（但它们是不同的类型）。C++20引入了char8_t，以支持8位Unicode（UTF-8）。它是一个与unsigned char具有相同表示形式的不同类型。

除非你打算使你的程序与Unicode兼容，否则你不需要使用char8_t、char16_t或char32_t。在几乎所有情况下（除非与Windows API接口），都应该避免使用wchar_t，因为它的大小是由实现定义的。

Unicode和本地化通常超出了这些教程的范围，因此我们不会进一步讨论它们。在此期间，当你处理字符（和字符串）时，你应该只使用ASCII字符。使用其他字符集的字符可能会导致你的字符显示不正确。