[C++] 문자

아래 링크 클릭 시 해당 본문으로 이동

문자

• char, char*, char[]
• wchar_t
• char8_t
• char16_t
• char32_t

---

표현 방식이 정수형인 문자형

자료형	크기 (byte)
char	1
wchar_t	2
char8_t	1
char16_t	2
char32_t	4

• 문자에 해당하는 값을 저장하는 정수형이다.

• ASCII에 속하지 않는 문자(한글, 중국어, 이모지 등)는 `wchar_t`, `char16_t`, `char32_t`와 같은 문자형을 사용하며, UTF-16 또는 UTF-32와 같은 인코딩을 활용한다.

• C++에서는 유니코드 문자 처리를 위해 `char8_t`, `char16_t`, `char32_t`가 도입되었다.

이는 유니코드 인코딩에 최적화되어 있다.

VS 프로젝트 기본 속성은 유니코드이다.

(솔루션 탐색기에 <프로젝트명> - [구성 속성] - [고급])

 

---

문자

	char	char*	char[]
역할	문자 하나 저장	문자를 가리키는 포인터	문자의 배열 (여러 문자 저장)
용도	단일 문자	동적 문자열 처리	고정 크기 문자열 저장
크기	1byte	포인터 크기 (4byte 또는 8byte)	배열 길이에 따라 다르다.

char

• 단일 문자를 표현하는 데 사용되며, 크기는 1byte이다.

• 정수를 대입하면 ASCII 코드로 해석한다.

ex) 65 = 'A'

#include <iostream>

using namespace std;

int main()
{
	char c1 = 65;
	cout << c1;  // A

	char c2 = 'A';
	cout << c2;  // A

	return 0;
}

• 일반적으로 ASCII 코드값을 나타내지만 사용되는 인코딩은 플랫폼에 따라 달라질 수 있다.

(확장 ASCII 또는 UTF-8에서는 추가적으로 문자나 기호가 표현될 수 있다.)

저장할 수 있는 값 (char, unsigned char)

• (signed) char : -128 ~ 127

• unsigned char : 0 ~ 255

char*

• 문자를 가리키는 포인터

• C에서 문자열을 나타낼 때 많이 사용된다.

• 문자나 문자열의 주소를 저장하며, 문자열의 첫 번째 문자를 가리킨다.

▷ 예시

char* cp = "Hello World!"  // cp는 문자열 "Hello World!"의 시작 주소를 가리킨다.

char[]

• 문자들의 배열

• 고정된 크기의 문자열을 저장하는 데 사용된다.

• 주소에 접근하는 것이 아니라서 `char*`과 다르게 문자열 하나하나 수정할 수 있다.

• 문자열 끝에는 항상 `'\0'`(NULL 문자)가 추가되어 문자열의 끝을 표시한다.

• 초기화할 때 배열의 크기는 NULL 문자 `'\0'`를 포함한 문자열의 길이에 따라 자동으로 결정된다.

• 초기화하지 않는 경우에는 배열의 크기를 명시해야 한다.

▷ 예시

// 초기화할 때
char carr[] = "Happy";  // {'H', 'a', 'p', 'p', 'y', '\0'} 저장

// 초기화하지 않을 때 => 크기를 명시해줘야 한다.
char carr2[10];  // 크기가 10인 배열

---

wchar_t

• 와이드 문자(wide character, 확장 문자, 2byte(16bit) 크기의 다국어 문자 코드)를 저장하는 2byte 크기의 문자형이다.

`wchar_t`는 `char`보다 더 넓은 범위의 값을 저장한다.

8bit(1byte)일 때 표현 가능한 경우의 수 : 2^8 = 256
16bit(2byte)일 때 표현 가능한 경우의 수 : 2^16 = 65536
문자 하나를 2byte로 표현하면 훨씬 더 많은 문자를 표현할 수 있다.

• 정수를 대입하면 유니코드(Unicode)로 해석한다.

• 플랫폼에 따라 16bit 또는 32bit 범위의 값을 저장할 수 있고, 이를 통해 UTF-16 또는 UTF-32와 같은 문자 인코딩을 지원한다.

즉, `wchar_t`의 크기와 인코딩은 플랫폼마다 다르다.

▶ Windows : 16bit이며, 주로 UTF-16을 사용한다.

▶ Unix/Linux : 32bit이며, 주로 UTF-32를 사용한다.

• 배열을 사용하여 초기화하고, 문자 또는 문자열 앞에 `L`을 붙인다.

접두사 `L`은 `wchar_t` 타입임을 나타낸다.

// L'문자'
L'a'
// L"문자열"
L"abc"

`wchar_t` 초기화

// 문자 자료형만 가능한 초기화 방법
wchar_t 배열변수명[배열길이] = L"문자열";

▷ 주의할 점

int main(){
// wchar_t 초기화할 때 실수하는 경우
	// 1. 문자열 앞에 L을 붙이지 않은 경우
	wchar_t wc = "459";  // 오류
    // 2. 배열을 사용하지 않은 경우
	wchar_t wc = L"abcdef";  // 오류
    // 3. " "를 ' '로 적은 경우
    	// 오류는 아니지만 ' '는 문자를 의미하기 때문에 맨 앞 문자 하나만 저장된다.
    wchar_t wc = L'abcdef';  // 97'a'

	return 0;
}

---

문자의 끝을 의미하는 숫자 0

메모리상으로 문자열 맨 뒤에 있는 0은 마침표의 역할을 한다.

메모리에서 0이 읽히면 그전까지의 문자를 반영하여 저장한다.

▷ "459"

`'\0'`는 아무것도 없는 빈 문자인 널(NULL) 문자를 의미한다.

52

53

57

0

⋯

만약 0이 없다면 문자의 끝이 정해지지 않아서 원하는 문자를 저장할 수 없는 문제가 발생한다.

30

36

42

⋯

10

⋯

 

※ 문자열 뒤에 오는 0까지 생각해서 배열의 길이를 여유 있게 설정해야 한다.

▷ 예시

// 배열의 전체 메모리 크기 = 2byte 단위 x 10개 = 20byte
wchar_t wchar[10] = L"abcdef";

a

b

c

d

e

f

0

메모리 상으로 7칸 필요하지만, 만약 0을 생각하지 않고 배열의 길이를 원래 길이보다 부족하게 설정하면 오류가 발생한다.

wchar_t wchar[6] = L"abcdef";  // 오류

---

타입	크기 (byte)	인코딩	용도
char8_t	1	UTF-8	유니코드의 간결한 인코딩, 파일 또는 통신에 적합하다.
char16_t	2	UTF-16	Windows처럼 UTF-16을 지원하는 플랫폼에서 사용한다.
char32_t	4	UTF-32	모든 유니코드 문자를 직접 표현할 수 있다.

char8_t

• C++20에서 도입된 문자형으로, UTF-8 문자를 표현한다.

• `char`와 크기는 8bit로 같지만, 유형이 다르다.

• 목적 : UTF-8 데이터임을 명시적으로 나타내어 코드의 명확성과 안전성을 높인다.

---

`char16_t`, `char32_t`는 C++11에서 도입된 문자형이다.

char16_t

• 16bit 유니코드 문자를 표현한다.

• 주로 UTF-16 인코딩으로 문자를 저장하는 데 사용된다.

• UTF-16 인코딩에 맞는 문자를 표현할 수 있다.

• 유니코드의 BMP 영역 문자를 처리하며, BMP 외부 문자는 서러게이터 페어로 처리한다.

BMP (Basic Multilingual Plane, 다국어 기본 평면)

• 유니코드에서 가장 첫 번째 평면으로, 코드 포인트가 `U+0000`~`U+FFFF` 사이에 위치한다.

▷ 유니코드 다국어 기본 평면 그림

1칸당 256자를 나타낸다.

출처 : 위키백과

• 범위 : 16bit로 표현 가능한 65,536개의 문자

• 특징 : 대부분 문자(한글, 라틴 문자, 수학 기호 등)를 포함한다.

  ex) 라틴 알파벳 : `U+0041`(A), `U+005A`(Z)

        한글 : `U+AC00` ~ `U+005A`

        중국어 : `U+4E00` ~ `U+9FFF`

Surrogate Pair(서러게이트 페어)

• UTF-16에서 BMP 범위 밖의 문자(코드 포인트 `U+10000` 이상)를 표현하기 위해 16bit 값을 2개로 조합하여

나의 문자를 나타내는 방법이다.

▼ 작동 원리

고위 서러 게이트 (High Surrogate) : `U+D800` ~ `U+DBFF`

저위 서러 게이트 (Low Surrogate) : `U+DC00` ~ `U+DFFF`

• 두 값을 결합하여 하나의 32bit 유니코드 문자를 표현한다.

char32_t

• 32bit 유니코드 문자를 표현한다.

• UTF-32 인코딩으로 문자를 저장하는 데 사용된다.

• 유니코드 표준에 있는 모든 문자를 표현할 수 있다.

UTF-32는 모든 유니코드 문자를 단일 4byte 값으로 표현할 수 있기 때문이다.

char32_t에서 서러게이트 페어가 필요 없는 이유

1) 모든 유니코드 코드를 직접 표현할 수 있다.

• UTF-32는 32bit를 사용하여 `U+0000`~`U+10FFFF`까지의 모든 유니코드를 직접 표현할 수 있다.

때문에 추가적인 서러게이트 페어가 필요하지 않다.

 

2) 문자 분할이 필요 없다.

UTF-16은 16bit 단위를 사용하며, `U+FFFF`를 초과하는 문자를 표현하려면 서러게이트 페어라는 두 개의 단위가 필요하다.

반면, UTF-32는 32bit 단위로 모든 유니코드 문자를 처리하므로 이런 페어가 필요하지 않다.

 

3) 메모리 레이아웃이 간단하다.

• `char32_t`는 문자 하나가 정확히 하나의 유니코드에 대응하므로 문자열 인덱싱과 같은 작업이 단순하다.

문자열 인덱싱(string indexing)

• 문자열 내에서 각 문자의 인덱스(위치)를 사용하여 개별 문자로 접근하는 것

▶ 문자열 인덱싱 용도

1) 문자 접근 : 특정 위치의 문자를 가져오거나 비교할 때 사용한다.

2) 반복 작업 : 인덱스를 사용하여 문자열을 반복 처리한다.

3) 수정 작업 (가변 문자열) : 특정 위치의 문자를 변경한다. (ex. C++ 문자열 `std::string`)

 

※ 주의

UTF-8 같은 인코딩에서는 문자의 바이트 길이가 다를 수 있다.

단순히 인덱스로 접근한다고 해서 개별 문자를 정확히 가리키지 않을 수 있다.

  ex) "😊" (`U+1F60A`)는 UTF-8에서 4byte를 차지한다.