解读C++11 原生字符串

1.基本概念与作用

原生字符串（Raw String）指不进行转义“所见即所得”的字符串。很多编程语言早已支持原生字符串，如C#、Python、Shell等。C++作为一门高级程序设计语言，自然不能自甘落后，从C++11开始，C++也开始支持原生字符串。

很多时候，当我们需要一行字符串的时候，字符串转义往往成了一个负担，写和读都带了很大的不便。例如，对于如下路径”D:\workdataDJ\code\vas_pgg_proj”，我们必须通过反斜杠进行转义，把它写成如下形式：

string path = "D:\\workdataDJ\\code\\vas_pgg_proj";

可能你会说这个并没有多大影响，但当我们使用正则表达式时，由于正则表达式中特殊字符（如反斜杠、双引号等）较多，再使用反斜杠进行转义，那么正则表达式的可读性将变得很差，形如下面的一条正则表达式

string re = "('(?:[^\\\\']|\\\\.)*'|\"(?:[^\\\\\"]|\\\\.)*\")|";

在C#中，我们可以通过@关键字来取消字符串转义。在C++ 11中，它的非转义形式为：

string path = R"(D:\workdataDJ\code\vas_pgg_proj)";

从上面的例子中可以看出，C++的语法格式如下：

（1）字符串前加R前缀；
（2）字符串首尾加上小括号；

它的语法格式比C#的@前缀要稍微复杂点，不过这个复杂也有复杂的好处，那就是字符串里面可以带双引号。

string path = R"(this "word" is escaped)";

而C#就无法保持原始字符串格式，对双引号仍需要转义：

string path = @"this ""word"" is escaped";

2.原生字符串与Unicode字符串结合

由于C++11对Unicode的支持，原生字符串的定义方式可以与Unicode字符串结合使用，定义UTF-8、UTF-16和UTF-32的原生字符串，将其前缀分别设置为u8R、uR和UR即可。有一点需要注意，使用了原生字符串，转义字符就不能再使用了，这会给使用\u或者\U的方式书写Unicode字符的程序带来一定影响。参看下面的例子。

#include <iostream> 
using namespace std;

int main()
{
cout<<u8R"(\u4F60,\n
\u597D)"<<endl;
cout << u8R"(你好)" << endl;
cout << sizeof(u8R"(hello)") << "\t" << u8R"(hello)" << endl;
cout << sizeof(uR"(hello)") << "\t" << uR"(hello)" << endl;
cout << sizeof(UR"(hello)") << "\t" << UR"(hello)" << endl;
}

程序输出结果：

\u4F60,\n
\u597D
你好
6 hello
12 00C03174
24 00C03180

从结果可以看出，使用\u定义Unicode字符时，未能如果异常，输出原生字符串的模样。在使用sizeof运算符计算不同编码的相同字符串时，得到的结果是不通的，大小跟其申明的类型是完全一致的。注意在使用cout对UTF-16和UTF-8编码的字符串进行输出时，输出的是字符串地址。

3.原生字符串的连接

C++中同样可以将原生字符串进行连接，但不要将不同编码的字符串进行连接，因为C++尚不支持这种做法。考察如下代码：

#include <iostream> 
using namespace std;

int main()
{

char string[] = R"(你好)"R"(=hello)";
char u8u8string[] = u8R"(你好)"u8R"(=hello)";
//char u8ustring[] = u8R"(你好)"uR"=hello"; //编译报错
cout << string<< endl;
cout << u8string << endl;
cout << sizeof(string) << endl;
cout << sizeof(u8u8string) << endl;
return 0;
}
//程序编译选项：g++ -finput-charset=utf-8 test.cpp

代码输出结果如下：

你好=hello
你好=hello
13
13

可以看出，原生字符串会被编译器自动连接在一起，整个字符串“你好=hello”含有两个UTF-8编码的中文字符，共占6字节，和6个ASCII字符，再加上自动生成的空字符\0，字符串共占用13字节空间。UTF-8与UTF-16两种不同编码的字符在连接时，编译报错，C++目前还不支持这种写法，请避免。