libpcre2代碼單位寬度

Question

我一直在尋找pcre2的手冊頁，並試圖弄清楚什麼情況下需要PCRE2_CODE_UNIT_WIDTH的定義。

爲PCRE2的源代碼可以被編譯爲支持8位，16位，或 32位代碼單元，這意味着最多三個獨立的文庫可以 安裝。

問題1：PCRE2的代碼單元究竟是什麼？這是否意味着我需要使用PCRE2_CODE_UNIT_WIDTH 8來處理char*與PCRE2_CODE_UNIT_WIDTH 32對於wchar *？如果我的平臺的wchar是16位呢？那需要有條件地使用PCRE2_CODE_UNIT_WIDTH 16？如果這是真的，好像根據How big is wchar_t with GCC?我會需要使用PCRE2_CODE_UNIT_WIDTH = 8 * __SIZEOF_WCHAR_T__

在統一的主題：

在這三種情況下，字符串可以解釋無論是作爲每個代碼單元中的一個字符，或者作爲UTF編碼的Unicode，支持Unicode通用類別屬性。 Unicode支持在構建時是可選的（但是是默認的）。但是，處理字符串作爲UTF代碼單元必須在運行時顯式啓用。

問題2：究竟是支持Unicode時PCRE2_CODE_UNIT_WIDTH是什麼意思？ PCRE2_CODE_UNIT_WIDTH 8是否採用UTF-8，我需要設置PCRE2_CODE_UNIT_WIDTH 16來處理UTF-16字符串？

Answer 1

PCRE2的代碼單元究竟是什麼？

這裏就是PCRE2用於其代碼單元定義（在pcre2.h）：

/* Types for code units in patterns and subject strings. */ 

typedef uint8_t PCRE2_UCHAR8; 
typedef uint16_t PCRE2_UCHAR16; 
typedef uint32_t PCRE2_UCHAR32; 

typedef const PCRE2_UCHAR8 *PCRE2_SPTR8; 
typedef const PCRE2_UCHAR16 *PCRE2_SPTR16; 
typedef const PCRE2_UCHAR32 *PCRE2_SPTR32; 

所以你可以看到，PCRE2使用uintX_t引擎蓋，而不是char/wchar_t下。

請注意，當您將PCRE2_CODE_UNIT_WIDTH定義爲8,16或32時，PCRE2_UCHAR和PCRE2_SPTR將被定義爲正確的變體。

所以是的，PCRE2_CODE_UNIT_WIDTH = 8 * __SIZEOF_WCHAR_T__乍一看似乎是合理的，但是wchar_t is not meant to handle Unicode data。如果您想編寫便攜式代碼，請避免使用它，並且對於UTF-8使用char/uint8_t，對於UTF-16使用uint16_t，對UTF-32使用uint32_t。

不要混淆代碼單元與代碼點，幾個代碼單元可以要求編碼單碼點。

PCRE2_CODE_UNIT_WIDTH在啓用Unicode時意味着什麼？ PCRE2_CODE_UNIT_WIDTH 8是否採用UTF-8，我需要設置PCRE2_CODE_UNIT_WIDTH 16來處理UTF-16字符串？

是的。如果您需要在程序中處理多個編碼，您也可以將PCRE2_CODE_UNIT_WIDTH設置爲0。您將失去像pcre2_match這樣的別名，例如，您必須致電pcre2_match_8或pcre2_match_16。