vs 中如何解决 C++的“常量中有换行符”

[amiwrong123]

环境：Windows 上使用 vs

总是遇到那种定义一个中文字符串std::string = "你好";（不一定是这段中文），然后 vs 就编译报错“常量中有换行符”。

我看了网上的文章，大概意思就是会收到这三个的影响：

• 源文件本身的编码格式
• /source-charset
• /execution-charset

我理解一下，就是：

• 源文件里面的二进制，是根据源文件本身的编码格式来存的。
• 比如\x45\xAB 这两个字节存在源码文件的某个位置上，然后根据source-charset的那种编码格式进行映射，把 \x45\xAB(文件中的存储的字节) <===> 字符 a ，
• 然后，根据execution-charset的那种编码方式进行映射，字符 a <===> 某几个字节(内存中的存储的字节) ，因为最终你这个字符串要保存到内存中，所以现在就确定下来内存中这个字符串到底存储的哪几个字节。

不知道我上面的流程理解对不对？（我觉得流程理解清楚，这个问题也就好解决了）

而且想再问一下，解决“常量中有换行符”的最佳方案：

• 正常情况只有一个人写代码的话，应该让这三个因素保持为 什么？
• 现在我集成别人的 c++代码，他的文件编码格式全是 gb2312 （里面还有中文字符串常量），弄得我有点难搞。

[vinmkzr]

我对 C 比较熟悉，你对字符组的理解按 C 来说是正确的；
在 linux 上写代码用 gcc 编译的话，三个字符组默认都是 utf-8 ；
我碰到过最差的情况是，项目里面有 EUC-JP ，shif-jis 几种日文编码混合，最后的解决办法是用 uchardet+iconv 写脚本全转换到 utf-8

[vanton]

系统改成 utf-8, 整个项目也用 utf-8

[mangohaoming]

vs 中包含中文的文件最好使用 utf-8-withBom 的编码格式

[amiwrong123]

https://www.cnblogs.com/jiangxueqiao/p/7464408.html#!comments

这篇文章里提到：
vs 编译器判断源文件编码类型的步骤为：
1. 若文件开始处有 BOM(EF BB BF)，则判定为 UTF-8 编码；
2. 若没有 BOM ，则试图从文件的前 8 个字节来判断文件是否像 UTF-16 编码，如果像，则就判断为 UTF-16 编码。
3. 如果既没 BOM ，也不是 UTF-16 编码，则使用系统当前的代码页（简体中文操作系统为 CP936 ）。

我理解是这样的：
如果没有设置 /source-charset ，那么会执行这三步，根据这三步来得到最终的 /source-charset 。
如果已经设置了 /source-charset ，那么不会执行这三个步骤，直接使用 设置的 /source-charset 。

有没有经常用 vs 的老哥，是不是这样呀😂

[amiwrong123]

@mangohaoming #3
老哥你看看我 4 楼的问题呗

这篇文章也是说，最好 utf-8-withBom 。但我的 c++代码也需要在 linux 上编译，就得跨平台。

而且这篇文章说，最好使用 wchar_t 。我有点不理解。关键这个类型大家感觉也不常用啊，到时候和别人代码一对接，好多地方要改，还可能出错。。

[koebehshian]

源代码中不要有中文，字符串这种 UI 的东西放到配置文件中，配置文件统一用 utf8

[yolee599]

源码请统一使用 utf-8 编码，不要贪图一时方便使用 gb2312 ，后面你会遇到各种各样问题

[wudicgi]

MSVC 的话，编译器的命令行参数中，手动加一项 /utf-8
https://docs.microsoft.com/en-us/cpp/build/reference/utf-8-set-source-and-executable-character-sets-to-utf-8?view=msvc-170

我是倾向于直接加编译参数，而不是所有文件加上 BOM 头

[mangohaoming]

@amiwrong123 linux 编译 utf-8-withBom 会存在问题吗，我印象中没碰到什么奇怪问题。我用 mingw 编译是 ok 的，我 vscode 的默认编码一直是 utf-8-withBom 的编码。

[amiwrong123]

@koebehshian #6
他的代码 是 那种处理中文文本的一种程序（类似，NLU ）。总之，肯定会有 中文字符串常量。这没法阿

[amiwrong123]

@yolee599 #7
那要不要 withBom 呢？
因为 vs 编译，最好是 withBom 的

[koebehshian]

@amiwrong123 他做 NLU 的，居然对中文编码都不了解

[skinny]

我虽然没有遇到过，但是千万别用 UTF8 with BOM ，坑太多了，之前写 PowerShell 脚本，5.1 及以下版本以 UTF8 编码输出的文本就是带 BOM 的，遇到二进制处理或传给别的外部命令处理时就容易出错，上次也是查了好一会儿才发现问题。

[amiwrong123]

@wudicgi #8
我也这么觉得。老哥你看看我 4 楼的问题呢，那篇文章把我弄懵了，我理解：
如果已经设置了 /source-charset ，那么不会执行那三个步骤，直接使用 设置的 /source-charset 。对吗😂

[amiwrong123]

@mangohaoming #9
是吗，我就是怕 withBom 的 有问题，所以才来发帖😂

[amiwrong123]

@koebehshian #12
哎，我也不知道为啥他的源文件编码格式都是 gb2312😂
我只是负责集成包装成接口给上层使用，而且之前他好像还说过，不要改他的源文件的编码格式，不然可能会出问题😂

[mangohaoming]

@amiwrong123 看这个讨论，至少 gcc 是正常支持带 bom 的 https://www.v2ex.com/t/403068

[wudicgi]

@amiwrong123 那篇文章我觉得没啥参考价值，实际上不用搞这么复杂

实践中，项目设为 Unicode 字符集这是毫无疑问的
为了兼容性我会 #include <tchar.h>, 然后用 TCHAR 和 _tprintf() 之类符号代替 char/wchar_t, printf()
同时也还是为了兼容性，我不会用 BOM 头，而是把源文件的字符集统一成 UTF-8, 加编译参数直接指定

我之前在 V2EX 上发过的这个项目就是这么做的
https://github.com/wudicgi/SpleeterMsvcExe

[wudicgi]

@amiwrong123 或者你在 VS 中为他的那些文件设置自己的 /source-charset 和 /execution-charset 参数

/utf-8 等价于 /source-charset:utf-8 /execution-charset:utf-8
可以给他的那些源文件加上 /source-charset:gb2312 编译参数

但说实话，这样处理除了不用动他的那些文件外，和提前把那些文件都转为 UTF-8 编码没什么区别

[ipwx]

utf-8 编码是截断安全的，它保证了多字节序列不可能出现换行符作为某个中文的一部分。

gb2312 不是截断安全的。

所以要用 utf-8