1、C/C++中的注释
在C/C++语言中,在对源文件做预处理的时候,有两条基本原则:
- 凡是以"//"开头的为单行注释
- 凡是以"\"结尾的代表此行尚未结束
于是预处理器在处理的时候会先按第二条规则,看每行的末尾的那个字符是不是"\",是的话,就将下一行接到本行。然后把所有以//开头的注释和/* */的块注释去掉。
2、文本编码问题
对于big5中的汉字而言,其第一个字节的编码范围是0xA1 - 0xFE,第二个字节是0×40 -0xFE。
而''的ASCII码是0×5c.这就意味这,凡是以big5编码的文件,如果gcc没有正确的认为它源文件的编码是big5,那么就可能出现因为单行注释末尾是汉字,而把下行的代码吃掉的情况。
这样是很危险的,但是gcc会给出一个警告:"warning: multi-line comment In file"
这样的问题在gbk中同样存在。
将下面的代码
cpp
//你篭
int main(int argc,char* argv[]){
return 0;
}
以gbk的方式保存,并采用gcc 3.4编译。
无论shell的locale的设置是 zh_CN.GBK 还是 zh_CN.UTF-8 ,所得到的错误都是相同的
bash
$ gcc -c testgbk.cpp
testgbk.cpp:5: error: expected unqualified-id before "return"
testgbk.cpp:6: error: expected declaration before '}' token
原因很简单,我把"好"字的GBK编码的后半个字节改成了''的编码,从而得到了"篭"字。gcc发现''后面接着的就是'\n',故而把下一行"int main(int argc,char* argv[]){"也当做注释一并删除掉了。
3、解决方法
3.1 方法一
强行给gcc添加-finput-charset=big5这样的参数,来解决此问题。
类似的还有-fexec-charset,-fwide-exec-charset用于指定执行环境的编码。
但是,gcc内部的处理都是基于utf-8的,且其转换工作一般是靠系统的iconv转码库来完成的。 所以系统库必须提供 GBK<-> UTF-8 、BIG5 <-> UTF-8 的编码.
例如,使用 -finput-charset=big5 参数来编译一个测试文件:
bash
$ gcc -c testbig5.cpp -finput-charset=big5 -fexec-charset=big5 -fwide-exec-charset=big5
所得到的输出是:
bash
cc1plus: no iconv implementation, cannot convert from big5 to UTF-8
cc1plus: no iconv implementation, cannot convert from UTF-8 to big5
cc1plus: no iconv implementation, cannot convert from UTF-8 to big5
所以这种方案的缺点是:
- 缺乏通用性,缺乏可移植性,一般系统的iconv转码功能差
- 添加了很多额外的转码操作。
目前,utf-8(unicode)尚未完全容纳GBK、big5的全部字符。很多字符是转换不过去的。
3.2 方法二
保证每行注释都以句号或者空格结尾。
缺点是,需要检查并改动很多文件且,特殊汉字依然有可能出现在源文件的常量字符串中。问题依旧。
例如:
cpp
const char* s="你篭";
写成这个样子就可以编译了:
cpp
const char* s="你篭"";
3.3 方法三
较好的解决方案是源文件都以UTF-8格式编码。这样可以最大限度的减少转码次数。
3.4 方法四
最彻底的解决方案是引入gettext,不在源文件中存储汉字的常量字符串。改用单独的文件存储。
目前包括很多php论坛、blog都已采用这种方案。但是这样做本来是为了支持英、法、汉多语言,解决翻译的问题。如果单为了简、繁的问题就这么做,代价太大。