C++中Digraphs、Trigraphs和Tokens的深入讲解_C/C++

C++中Digraphs、Trigraphs和Tokens的深入讲解

2021-07-02 15:24源代码 C/C++

这篇文章主要给大家介绍了关于C++中Digraphs、Trigraphs和Tokens的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用C++具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

前言

最近偶然在[C++ Quiz](http://cppquiz.org)上看到一道题：

				?

									// 以下代码的输出是什么？

									#include<iostream>

									int main(){

									 int x=0; //What is wrong here??/

									 x=1;

									 std::cout<<x;

									}

这个看似简单，实际很容易采坑。

之前也是偶然间了解到C++的 Digraph(双字符组) ，但是当时没有进行扩展了解，没想到C++还有 Trigraph(三字符组) …，这个概念其实也很简单，维基百科的词条三字符组与双字符组写的也很清楚，就直接搬运过来一下。

下面话不多说了，来一起看看详细的介绍吧

缘起

C语言的源程序的最低必须的字符集是基于7位ASCII码字符集，是 ISO 646-1983 Invariant Code Set 的一个超集。ISO 646最初是1972年颁布的一项国际化的7位ASCII标准，规定了12个字符所对应的码位保持对各国标准开放： # $ @ [ \ ] ^ ` { | } ~ 。因此法国标准AFNOR NF Z 62010-1982把码位0x7c（ASCII码的 | ）定义为ù，用法文键盘就难以输入C语言的位或运算符 | ；码位0x7e（ASCII码的～）定义为 ¨ （即分音符），法文键盘就难以输入C语言的位非运算符～。加拿大法语标准CSA Z243.4-1985中把码位0x5e（ASCII码的 ^ ）在定义为É，导致难以输入C语言的异或运算符 ^ 。

三字符组

为解决上述的C语言源代码输入问题，C语言标准规定预处理器（C preprocessor）在扫描处理C语言源文件时，替换下述的3字符出现为1个字符

三字符组	替换为
??=	#
??/	\
??'	^
??(	[
??)	]
??!	\|
??<	{
??>	}
??-	~

注意 : 编译器对三字符组的处理是在解析注释、宏的步骤的前面，可以理解为优先处理三字符组

那我们再回头看上面那个题，其等价于：

				?

									// 以下代码的输出是什么？

									#include<iostream>

									int main(){

									 int x=0; //What is wrong here\ <- ??/被解释为\，使得自动折行

									 x=1;        <- 此行其实是被注释掉的

									 std::cout<<x;

									}

故，如果希望在源程序中有两个连续的问号，且不希望被预处理器替换，这种情况出现在字符常量、字符串字面值或者是程序注释中，可选办法是用字符串的自动连接： "...?""?..." 或者转义序列： "...?\?..." 。

注意 : Trigraph(三字符组) 在 C++17 被移除了语法

从Microsoft Visual C++ 2010版开始，该编译器默认不再自动替换三字符组。如果需要使用三字符组替换（如为了兼容古老的软件代码），需要设置编译器命令行选项 /Zc:trigraphs

g++仍默认支持三字符组，但会给出编译警告。

双字符组

1994年公布了一项C语言标准的修正案，引入了更具有可读性的5个双字符组。这也包括进了 C99 标准。

双字符组	替换为
<:	[
:>	]
<%	{
%>	}
%:	#

不同于三字符组在源文件的任何出现都会被预处理器替换，双字符如果出现在字符串字面值（quoted string）、字符常量、程序注释中将不被替换。双字符组的替换发生在编译器对源程序的tokenization阶段（即识别出关键字、标识符等，类似于自然语言的“断词”），仅当双字符组作为一个token或者token的组成部分时（如 %:%: 被替换为预处理运算符 ## ），双字符组才被替换为单字符。 g++支持上述双字符组替换。但Microsoft Visual C++不支持双字符组替换。

Token

C++标准支持C语言的三字符组与双字符组（包括C99中的增补）。C++自身还提供了下述内置的关键字：