C estándar: conjunto de caracteres y codificación cadena especificación

Question

encontré el estándar C (C99 y C11) vaga con respecto a las posiciones de código de caracteres/cuerda y reglas de codificación:

primer lugar el estándar define the source character set y the execution character set. Esencialmente proporciona un conjunto de glifos, pero no asocia ningún valor numérico con ellos - Entonces, ¿cuál es el juego de caracteres predeterminado?

No estoy preguntando acerca de la codificación aquí, sino solo del glifo/repertorio al mapeo de puntos numéricos/de código. Define universal character names como ISO/IEC 10646, pero ¿dice que este es el juego de caracteres predeterminado?

Como una extensión de lo anterior, no pude encontrar nada que diga qué caracteres representan las secuencias de escape numérico \ 0 y \ x.

A partir de los estándares de C (C99 y C11, no el registro ANSI C) Tengo el siguiente sobre el carácter y literales de cadena:

+---------+-----+------------+----------------------------------------------+ 
| Literal | Std | Type  | Meaning          | 
+---------+-----+------------+----------------------------------------------+ 
| '...' | C99 | int  | An integer character constant is a sequence | 
|   |  |   | of one or more multibyte characters   | 
| L'...' | C99 | wchar_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| u'...' | C11 | char16_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| U'...' | C11 | char32_t | A wide character constant is a sequence of | 
|   |  |   | one or more multibyte characters    | 
| "..." | C99 | char[]  | A character string literal is a sequence of | 
|   |  |   | zero or more multibyte characters   | 
| L"..." | C99 | wchar_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u8"..." | C11 | char[]  | A UTF-8 string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| u"..." | C11 | char16_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
| U"..." | C11 | char32_t[] | A wide string literal is a sequence of zero | 
|   |  |   | or more multibyte characters     | 
+---------+-----+------------+----------------------------------------------+ 

Sin embargo no pude encontrar nada acerca de la codificación reglas para estos literales. UTF-8 parece indicar la codificación UTF-8, pero no creo que se mencione explícitamente en ninguna parte. Además, para los otros tipos ¿la codificación es indefinida o depende de la implementación?

No estoy familiarizado con la especificación UNIX. ¿Especifica la especificación de UNIX alguna restricción adicional a estas reglas?

También si alguien me puede decir qué esquema de codificación/chasfer es utilizado por GCC y MSVC que también ayudaría.

Answer 1

C no es codicioso sobre conjuntos de caracteres. No existe el "juego de caracteres predeterminado", su implementación está definida, aunque es principalmente ASCII o UTF-8 en la mayoría de los sistemas modernos.

Answer 2

El estándar no especifica una codificación predeterminada porque la práctica existente ya tenía C implementada en máquinas con muchas codificaciones diferentes, por ejemplo, mainframes de Honeywell y mainframes de IBM.

Esperaría que gcc tomara su valor predeterminado de la configuración regional actualmente especificada por LC_CHARSET, pero nunca lo he probado.

VC++ toma su valor predeterminado de una configuración del Panel de control. La configuración predeterminada del Panel de control varía según el país en el que se compró Windows, y la mayoría de los usuarios nunca lo cambian, pero pueden cambiarlo mientras que la instalación de Windows puede cambiarlo más adelante.

Los trigraphs se inventaron para que un programa fuente se pudiera copiar de un entorno con una configuración regional a un entorno con una configuración regional ligeramente diferente y aún así compilarse. Por ejemplo, si un usuario de Windows en China usa trigraphs, un usuario de Windows en Grecia podría compilar el mismo programa fuente. Sin embargo, si las configuraciones regionales difieren demasiado, por ejemplo, una que usa EBCDIC y otra que usa EUC, los trigrafos no serán suficientes.