C++中处理UTF-8需理解Unicode编码原理，使用std::string存储UTF-8文本，但操作时区分字节与字符；推荐用utf8cpp或ICU库安全遍历、转换编码，避免手动解析错误。
在C++中处理Unicode和UTF-8编码需要理解字符编码的基本原理以及标准库对多字节字符的支持。C++本身没有原生的UTF-8类型，但可以通过合理使用字符串类型和第三方库来高效处理UTF-8文本。
理解UTF-8与Unicode在C++中的表示
Unicode是一个字符集，为世界上几乎所有字符分配唯一码点（如U+4E2D表示“中”）。UTF-8是Unicode的一种变长编码方式，用1到4个字节表示一个字符，兼容ASCII。
C++中的char类型通常为8位，适合存储UTF-8编码的单个字节。因此，使用std::string可以保存UTF-8字符串，但不能直接按字符索引，因为一个中文字符占3个字节。
注意：不要将UTF-8字符串当作单字节字符处理，否则长度、截取等操作会出错。安全地操作UTF-8字符串
由于UTF-8是变长编码，直接使用std::string::length()得到的是字节数而非字符数。要正确处理，需识别字符边界：
立即学习“C++免费学习笔记（深入）”；
- UTF-8字节序列有明确规则：以0开头的是单字节；以110开头的是双字节首字节；1110是三字节；后续字节都以10开头。
- 可编写函数遍历字节流，统计有效字符数或提取第N个字符。
- 例如，判断是否为起始字节：
(byte & 0xC0) != 0x80表示是新字符开始。
使用第三方库简化处理
手动解析UTF-8复杂且易错，推荐使用成熟库：
- ICU (International Components for Unicode)：功能强大，支持编码转换、字符属性查询、本地化等。
- utf8cpp：轻量头文件库，提供iterators遍历UTF-8字符串，易于集成。
- 示例（utf8cpp）：
std::string utf8str = u8"你好World"; int count = 0; for (auto it = utf8str.begin(); it != utf8str.end(); ) { utf8::next(it, utf8str.end()); count++; } // count 正确为7
编码转换与宽字符交互
Windows API常使用UTF-16（wchar_t），Linux偏好UTF-8。跨平台时可能需要转换：
- 使用ICU的ucnv_convert进行UTF-8与UTF-16互转。
- 或用C++11的std::wstring_convert（已弃用但仍可用）配合
std::codecvt_utf8。 - 示例：
std::wstring_convert<std::codecvt_utf8_utf16<char16_t>, char16_t> conv; std::u16string u16 = conv.from_bytes(utf8str);
基本上就这些。关键是认清std::string能存UTF-8，但操作要小心字节与字符的区别。用好工具库，避免重复造轮子。
