De nos jours, avec les progrès des moyens de communications, en particulier d'internet, il est très facile de partager ses programmes à l'international. Des outils de partage du code, comme par exemple GitHub que vous verrez par la suite, permettent de mettre en place des équipes de développement collaboratif, même sur des projets lancés par une seule personne. Il est donc conseillé, dès le début d'un projet, de penser en termes de travail en équipe et d'écrire ses programmes en anglais (code, commentaires, documentation).

Le corollaire à cela est qu'un programme pourra facilement être utilisé par des personnes qui ne parlent pas l'anglais (en premier lieu vous peut être) et il sera intéressant de pouvoir afficher des chaînes de caractères dans d'autres langages.

Et c'est à ce niveau que la gestion des chaînes de caractères peut devenir complexe. Par défaut, les chaînes en C++ sont basé sur le système anglais, qui ne contient aucun caractère accentué. En français par exemple, nous utilisons des accents aigu, grave ou circonflexe, des trémas. D'autres langues utilisent plus de types d'accents (Suédois). D'autres encore utilisent des alphabètes complètement différents (Russe, Chinois).

En plus des alphabets différents, il faut également gérer d'autres problématiques. Par exemple, en anglais, le point est utilisé comme séparateur décimal. En français, nous utilisons la virgule. En anglais américain, une date s'écrit sous la forme mois-jour-année. En français, nous écrivons jour-mois-année.

Certaines langages s'écrivent de gauche à droite, d'autres de droite à gauche, d'autres encore de haut en bas.

On voit bien, par ces quelques exemples, que la gestion des langages est quelque chose de complexe. Dans ce chapitre, nous allons commencer par étudier les principaux types d'encodage des caractères et les chaînes utilisables dans ce contexte en C++.

Vous avez vu dans les chapitres précédents que le type char est un type d'entier un peu particulier. Il est possible de manipuler une variable de ce type comme un nombre (initialisation avec un nombre, addition, soustraction, etc), mais lorsque l'on affiche une variable de ce type, cela affiche un caractère. Il est également possible d'afficher la valeur numérique d'un caractère de la façon suivante :

main.cpp

#include <iostream>
 
int main() {
    int const i { 'a' };
    std::cout << std::showbase << std::hex << i << ' ' << std::dec << i << std::endl;
}

Dans ce code, le littérale caractère 'a' est de type char. Il est convertie en type int lors de l'initialisation de la variable i. Ce code ne produit pas d'erreur de conversion implicite puisque le type char est plus petit que le type int, il n'y a pas de risque de perte d'information.

Ce code affiche :

0x61 97

En d'autres termes, cela veut dire que la valeur hexadécimale 0x61 (97 en décimale) sera interprété comme étant le caractère 'a' pour le type char. Cette correspondance entre la valeur en mémoire et le caractère qui est affiché s'appelle l'encodage des caractères.

L'opération inverse est également possible : on peut initialiser une variable de type char avec une valeur entière et afficher le caractère correspondant à cette valeur. Par exemple :

main.cpp

#include <iostream>
 
int main() {
    char const c { 0x61 };
    std::cout << c << std::endl;
}

affiche :

a

Naturellement, en utilisant la même valeur numérique, le caractère affiché est le même.

L'encodage des caractères est une simple convention, dans l'absolue rien n'empêche pour chaque ordinateur et système d'exploitation d'utiliser son propre encodage. Mais cela voudrait dire qu'une chaîne affichée sur un ordinateur ne sera pas la même sur un autre ordinateur. Cela serait compliqué de créer des programmes dans cette situation.

Heureusement, la situation n'est pas aussi catastrophique. Pour permettre d'afficher une chaîne correctement sur différents systèmes, différents systèmes d'encodage ont été normalisés. Le plus connu est l'ANSII (American Standard Code for Information Interchange), qui est l'encodage par défaut en C++ et donc celui que l'on a utiliser depuis le début sans le savoir.

Le tableau suivant permet de retrouver la correspondance entre valeur numérique et caractère affiché. Pour le lire, il faut regarder les en-têtes de lignes et de colonne pour trouver la valeur. Par exemple, la caractère a se trouve dans la ligne “0x6.” et la colonne “0x.1”, ce qui correspond donc à la valeur “0x61”, ce que l'on a vu dans les codes précédents.

Il est possible d'écrire directement des littérales caractère ou chaîne en utilisant les valeurs hexadécimales des caractères en utilisant le syntaxe suivante : “\x” suivi du code hexadécimal. Par exemple :

main.cpp

#include <iostream>
#include <string>
 
int main() {
    std::cout << '\x24' << '\x58' << std::endl; // littérales caractère
    std::cout << "\x64\x34" << std::endl;       // littérale chaîne
}

affiche :

$X
d4

ASCII : 7bit codé dans 8bit, ne représente pas tous les caractères possible. Wide string = caractère non 8 bits. Plusieurs format

Attention : wide string peut être vu comme un suite de caractère 8 bits et l'afficher tel quel (et donc ne pas afficher correctement les caractères

Autres normes :

• Universal Character Set (UCS) par International Standard ISO 10646
• Unicode

caractère de 16 ou 32 bits (wchar_t), préfixe L'a' et L”bla bla”

également wcout, wcerr, wclog, wofstream, etc

• char : 8 bits, UTF-8
• wchar : implémentation spécifique
• char16_t : 16 bits, UTF-16
• char32_t : 32 bits, UTF-32

Différencier affichage et données en mémoire

Phrase “Une main a 5 doigts”. Mettre valeur en paramètre : “Une main a %1 doigts” (ou “$1” ou autre). Problèmes :

• doigts au pluriel ou non selon n
• ordre différents selon la langage

Utilisation regex pour faire le remplacement

http://en.cppreference.com/w/cpp/locale