libpcre2代码单位宽度

Question

我一直在寻找pcre2的手册页，并试图弄清楚什么情况下需要PCRE2_CODE_UNIT_WIDTH的定义。

为PCRE2的源代码可以被编译为支持8位，16位，或 32位代码单元，这意味着最多三个独立的文库可以 安装。

问题1：PCRE2的代码单元究竟是什么？这是否意味着我需要使用PCRE2_CODE_UNIT_WIDTH 8来处理char*与PCRE2_CODE_UNIT_WIDTH 32对于wchar *？如果我的平台的wchar是16位呢？那需要有条件地使用PCRE2_CODE_UNIT_WIDTH 16？如果这是真的，好像根据How big is wchar_t with GCC?我会需要使用PCRE2_CODE_UNIT_WIDTH = 8 * __SIZEOF_WCHAR_T__

在统一的主题：

在这三种情况下，字符串可以解释无论是作为每个代码单元中的一个字符，或者作为UTF编码的Unicode，支持Unicode通用类别属性。 Unicode支持在构建时是可选的（但是是默认的）。但是，处理字符串作为UTF代码单元必须在运行时显式启用。

问题2：究竟是支持Unicode时PCRE2_CODE_UNIT_WIDTH是什么意思？ PCRE2_CODE_UNIT_WIDTH 8是否采用UTF-8，我需要设置PCRE2_CODE_UNIT_WIDTH 16来处理UTF-16字符串？

Answer 1

PCRE2的代码单元究竟是什么？

这里就是PCRE2用于其代码单元定义（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引擎盖，而不是char/wchar_t下。

请注意，当您将PCRE2_CODE_UNIT_WIDTH定义为8,16或32时，PCRE2_UCHAR和PCRE2_SPTR将被定义为正确的变体。

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。如果您想编写便携式代码，请避免使用它，并且对于UTF-8使用char/uint8_t，对于UTF-16使用uint16_t，对UTF-32使用uint32_t。

不要混淆代码单元与代码点，几个代码单元可以要求编码单码点。

PCRE2_CODE_UNIT_WIDTH在启用Unicode时意味着什么？ PCRE2_CODE_UNIT_WIDTH 8是否采用UTF-8，我需要设置PCRE2_CODE_UNIT_WIDTH 16来处理UTF-16字符串？

是的。如果您需要在程序中处理多个编码，您也可以将PCRE2_CODE_UNIT_WIDTH设置为0。您将失去像pcre2_match这样的别名，例如，您必须致电pcre2_match_8或pcre2_match_16。