【C/C++】美元能做英镑却做不了的事 - 在标识符中使用通用字符

下面这段代码：

这里我们使用符号“$”作为变量名，熟悉C++的同学知道，“$”可作为标识符是后面标准加上的事情，不过在此之前已经有很多编译器内部支持了，例如gcc的选项：

试试把变量名换成英镑：

编译报错：

很多资料会说，标识符只能是字母下划线开头，后面跟字母下划线数字，当然上面我们知道C++里面“$”被扩展进来，按这个说法其他字符当然不行

然而换成用汉字和图画符号试试看：

那么这是编译器的implementation defined吗？就这个例子来说，部分是，部分不是

从标识符的语法定义来说，至少在C99和C++11起，就允许使用通用字符集（就理解为unicode字符集）的部分字符，所以上面用“猫”和“🐱”都是标准认定合法的

但是，允许使用这些字符不代表代码里面一定可以出现这些字符，因为关于代码的组织形式，还规定了基础源字符集，共96个：

就是说，如果编译器自己不做扩展的话，原则上一个代码文件只能用这96个字符进行书写，那既然还规定了标识符可以用部分unicode字符，若要用，该怎么书写呢？

答案是用转义：

转义用“\uHHHH”或“\UHHHHHHHH”的形式，十六进制不区分大小写，直接书写在代码的对应位置即可，当然，我这里的gcc是支持直接书写通用字符的，所以在上面代码中可以转义或原始字符混用，即“\u732B”、“\U0000732b”和“猫”三种写法都是通用的，在编译器看来没有区别

实际上这里用“编译器”并非很严谨，因为从规范来说，通用字符的处理是在编译之前，甚至是在预处理之前，在读入源码文件后就先进行了

可以只调用预处理器，输出一下对上面代码的预处理结果（main函数部分）：

可以看到，在正式编译之前，字符就已经被处理了，gcc的办法是统一转成8位16进制的\U形式，而clang对于汉字则原样保留，对于0xFFFF以上的unicode则使用\U形式

因此，有人说\u和\U转义是字符串中的转义字符，这并不正确，处理它们的时候还没字符串什么事情，上面的示例代码也和字符串毫无关系，而事实上字符串的转义序列定义也没有提到\u和\U

一般的资料会说，C和C++的编译过程是先预处理再编译，但在这两者之外，编译器还是有一些事情需要进行，整个步骤统称“翻译阶段”，其中涉及到语法和代码处理的不少细节，后续我们会继续分享其中的一些问题

回到开头的问题，英镑符号也是一个unicode字符，但为何就报错了呢？因为并非所有unicode字符都可以用来组成标识符，英镑恰巧就被排除在外了

附C++11中定义的可以用来做标识符的字符范围：

常用汉字的范围是4E00-9FA5，可安全使用

没用的知识又增加了~~~