使用Unicode编译器错误消息行/列号编号

Question

当输入采用Unicode格式时，是否有标准/常用的方式来提供指向行和列的编译器式错误消息？

例如，一种非常常见的编译器错误信息格式是： “文件名：LINE_NUMBER：COLUMN_NUMBER栏：错误消息”，例如：

• （来自GCC）：bad.c:1:10: syntax error, unexpected STRING
• （从定制工具）input.dat:45:3: expected String_Literal, found ';'，

当输入是固定的8位编码，如ISO-8859-1时，这是明确的。但是当输入是Unicode（UTF-8，UTF-16等）时，在这种情况下（或应该）“列”是什么意思？哪个字节？哪个代码点？哪个字素？有没有什么工具可以选择其中的一种呢？

Answer 1

A 列应该指代非组合的Unicode代码点。代理对（UTF-16中）的的两部分应共享一列。结合变音标记的应与它修改的基本字符共享一列。这也可能适用于其他非空格代码点。

Answer 2

GNU编码标准规定应使用Unicode字符宽度来计算列号：http://www.gnu.org/prep/standards/standards.html#Errors。

这应该与Emacs（它使用错误消息）计算列号的方式兼容：https://www.gnu.org/software/emacs/manual/html_node/elisp/Columns.html。

海湾合作委员会似乎有一个错误：https://gcc.gnu.org/bugzilla/show_bug.cgi?id=49973。

Answer 3

对于如何在编译器和类似工具的错误消息中解释“列”值的问题，没有普遍的答案。据我所知，除了几乎所有工具和编辑似乎都尊重的基于一个事实的事实之外，没有关于您提到的不同解决方案之一的标准。就我所见，使用我的Ubuntu 14.04系统，即使是GCC和vanilla Emacs在处理制表符时也不同意：GCC似乎将一个制表符计为一个字符，而Emacs将制表符解释为许多字符实际上被缩进它。

以下是我个人的建议。我很想获得关于它的反馈。对于任何正在编写输出此类错误消息的工具的人，我都会建议对这些字节进行计数，而不是对选项卡，Unicode，代理对或组合字符进行任何特殊处理。这是最有用的，因为用户几乎从不读取列号。相反，列号几乎总是由用户界面进行分析。这应该使输出消息的工具以及显示消息的应用程序变得更容易。我的提议结束。

务实地，我会输出任何更方便的编程语言，您正在使用。