使用Unicode編譯器錯誤消息行/列號編號

Question

當輸入採用Unicode格式時，是否有標準/常用的方式來提供指向行和列的編譯器式錯誤消息？

例如，一種非常常見的編譯器錯誤信息格式是： 「文件名：LINE_NUMBER：COLUMN_NUMBER欄：錯誤消息」，例如：

• （來自GCC）：bad.c:1:10: syntax error, unexpected STRING
• （從定製工具）input.dat:45:3: expected String_Literal, found ';'，

當輸入是固定的8位編碼，如ISO-8859-1時，這是明確的。但是當輸入是Unicode（UTF-8，UTF-16等）時，在這種情況下（或應該）「列」是什麼意思？哪個字節？哪個代碼點？哪個字素？有沒有什麼工具可以選擇其中的一種呢？

Answer 1

A 列應該指代非組合的Unicode代碼點。代理對（UTF-16中）的的兩部分應共享一列。結合變音標記的應與它修改的基本字符共享一列。這也可能適用於其他非空格代碼點。

Answer 2

GNU編碼標準規定應使用Unicode字符寬度來計算列號：http://www.gnu.org/prep/standards/standards.html#Errors。

這應該與Emacs（它使用錯誤消息）計算列號的方式兼容：https://www.gnu.org/software/emacs/manual/html_node/elisp/Columns.html。

海灣合作委員會似乎有一個錯誤：https://gcc.gnu.org/bugzilla/show_bug.cgi?id=49973。

Answer 3

對於如何在編譯器和類似工具的錯誤消息中解釋「列」值的問題，沒有普遍的答案。據我所知，除了幾乎所有工具和編輯似乎都尊重的基於一個事實的事實之外，沒有關於您提到的不同解決方案之一的標準。就我所見，使用我的Ubuntu 14.04系統，即使是GCC和vanilla Emacs在處理製表符時也不同意：GCC似乎將一個製表符計爲一個字符，而Emacs將製表符解釋爲許多字符實際上被縮進它。

以下是我個人的建議。我很想獲得關於它的反饋。對於任何正在編寫輸出此類錯誤消息的工具的人，我都會建議對這些字節進行計數，而不是對選項卡，Unicode，代理對或組合字符進行任何特殊處理。這是最有用的，因爲用戶幾乎從不讀取列號。相反，列號幾乎總是由用戶界面進行分析。這應該使輸出消息的工具以及顯示消息的應用程序變得更容易。我的提議結束。

務實地，我會輸出任何更方便的編程語言，您正在使用。