1067p~

CHAPTER 21, 22, 23, 24

wchar_t

• wide character type
• 컴파일러에 따라 크기가 다르다.
  • 16비트, 32비트 …

Localize 주의점

• 국가별로 어순이 다를 수 있기 때문에 조합형으로 문장을 구성하면 안된다.

Universal Character Set

• ISO 10646
• 국제 표준
  • 전 세계의 문자와 기호를 포함하는것이 목표.
• 각 문자마다 고유의 이름과 코드 포인트가 정해져 있다.
• 인코딩 방식
  • UCS-2
    • 각 문자를 2바이트로 인코딩 (65,536개의 문자를 표현 가능)
    • 초기에 사용되고, 이제는 확장된 문자 집합을 지원하지 않기 때문에 잘 사용되지 않는다.
  • UCS-4
    • 각 문자를 4바이트로 인코딩
    • UTF-32와 동일

Unicode

• 국제 표준 문자 집합
  • Character Set자체는 UCS와 동일한 코드 포인트를 사용한다.
  • 즉, UCS는 캐릭터 셋 용도로 사용되고, 실제 사용 방식은 Unicode방식을 사용한다.
• 인코딩 방식

  • UTF-8 - 코드 포인트에 따라 최소 1byte 최대 4byte

    • 1byte영역은 Ascii 코드와 호환성을 가진다.

    

    • UTF-8을 가장 많이 사용한다. 언어에 따라서 크기가 커질수도 있지만, 현 시대에는 문제가 되지 않는 경우가 많고, 압축시에는 다른 인코딩 방식과 크기가 비슷해진다.

  • UTF-16 - 코드 포인트에 최소 2byte 최대 4byte

    • 특정 언어들에 대해서는 2byte만 사용하기 때문에 용량이 줄어든다는 장점이 있음.
    • byte ordering 개념이 추가되기 때문에 더 복잡해진다.

  • UTF-32

    • 모든 문자를 4byte 고정 길이로 인코딩.
    • 인코딩 변환 처리가 따로 필요 없다.

Unicode string literal (C++ 20부터 지원)

• u8: UTF-8
• u: UTF-16
• U: UTF-32

Unicode string (C++ 20부터 지원)