sizeof для символа кириллицы

#cpp #c #sizeof

Я провел несколько экспериментов, но объяснить почему это так работает я не смог

Пример 1:

#include 
int main() {
    /// латиница
    printf("\n%d",sizeof('a')); /// 1
    /// кириллица
    printf("\n%d",sizeof('ф')); /// 4
    return 0;
}


Пример 2:

#include 
int main() {
    char a = 'a'; /// латиница
    char b = 'ф'; /// кириллица
    printf("\n%d",sizeof(a)); /// 1
    printf("\n%d",sizeof(b)); /// 1
    return 0;
}


Вообще ничего не понимаю объясните!
P.S Компилятор g++
    

Ответы

Ответ 1

Символьные (и строковые) литералы в коде программы так или иначе переводятся компилятором
в последовательность байт. Правило этого преобразования зависит от кодировки исходника
(как уже упоминали другие участники), но может зависеть и ещё от ряда факторов (см.
ответ на другой вопрос).

Следует заметить, что оба варианта Вашего кода при попытке компиляции компилятором
clang приводят к ошибке:


error: character too large for enclosing character literal type  
char b = 'ф'; /// кириллица



А используемый Вами gcc даёт пару предупреждений для строки с буквой ф:


warning: multi-character character constant [-Wmultichar]  
warning: overflow in implicit constant conversion [-Woverflow]



Первое говорит об использовании мультисимвольного литерала (что поддерживается не
всеми компиляторами). Второе - о том, что этот литерал не помещается в char. Т.е. тип
'ф' компилятором был интерпретирован как нечто большее, чем char, и, как уже упоминалось
в цитате из ответа @Harry, этот тип есть int: 


  ... has type int, and has an implementation-defined value.


Исходя из вышесказанного, можно сделать вывод:


4 (пример 1) получается, т.к. мультисимвольный литерал не усекается и его размер
равен размеру int, т.е. sizeof(int) == 4.
1 (пример 2) получается, т.к. мультисимвольный литерал был усечён до типа char при
инициализации переменной b, а sizeof(char) == 1 по определению.




Отвечу здесь и на Ваш комментарий к другому сообщению:


  я представлял себе многобайтовый литерал как один символ из сложной кодировки допустим
'ф' (UTF-8) а это 2 байта выходит мы можем по вашим словам записать не более 2х 'ф'...несостыковочка
с 4мя символами


Записать более 2х 'ф' у Вас действительно не получится.

#include 
int main() {
    printf("\n%d",sizeof('ффф')); 
}



warning: character constant too long for its type



Т.е. фактически происходит усечение значения до sizeof(int).

Но если будет использован строковый литерал, то для хранения ф вполне может хватить
двух байт:

#include 
int main() {
    const char c[] = "ф";
    printf("%ld\n", sizeof(c)); 
}



  3


Выводит число 3, т.к. 1 байт отводится под терминирующий ноль.


Ответ 2

sizeof - формально не функция, а оператор, который еще во время компиляции дает размер
типа - т.е. сколько памяти требуется для хранения переменной данного типа.

Судя по тому, что для латинского литерала 'a' вы получили значение 1, вы компилируете
не как C, а как C++! В чистом C литерал символа приводится к типу int, и вы бы получили 4.

Приходится также полагать, что исходник у вас сохранен как utf-8, например, так что
кириллица раскрывается в нечто большее, чем char, и это нечто приводится к int и дает 4.

Последние же строки получают не литерал, а переменную типа char, а для нее в C++
однозначно - sizeof(char) == 1.

Вот и все...

P.S. Поскольку некоторые настаивают... :) Из стандарта о символьных литералах: 


  An ordinary character literal that contains a single c-char representable in the
execution character set has type char, with value equal to the numerical value of the
encoding of the c-char in the execution character set. An ordinary character literal
that contains more than one c-char is a multicharacter literal. A multicharacter literal,
or an ordinary character literal containing a single c-char not representable in the
execution character set, is conditionally-supported, has type int, and has an implementation-defined
value.


Ответ 3

Тип однобайтового символьного литерала 'q' - это char, sizeof(char) равен 1.

Тип многобайтового символьного литерала 'qq' - это int, sizeof(int) это например 4.

Если исходники сохраняются в кодировке utf-8, то литерал 'ф' это два байта, он эквивалентен
'\xd1\x84'. Соответственно его тип - int.