UTF-8中文字符不能直接用std::reverse按字节逆序，因会破坏多字节序列导致乱码；必须按Unicode码点操作，可用宽字符串转换、手动解析UTF-8或ICU等方案。
UTF-8 中文字符不能按字节逆序
直接对 std::string 调用 std::reverse 会把 UTF-8 多字节序列拆开，导致乱码。比如“你好”在 UTF-8 中是 6 字节（每个汉字 3 字节），按字节翻转后首尾字节错位，解码失败。
根本原因是：UTF-8 是变长编码，1 字节 ASCII、3 字节常用汉字、4 字节生僻字，必须按 Unicode 码点（即“字符”）而非字节来操作。
用 std::wstring_convert + std::codecvt_utf8 转宽字符串再逆序（C++11/14）
这是最直观的过渡方案，先把 UTF-8 std::string 解码为 std::wstring（每个 wchar_t 对应一个 Unicode 码点），逆序后再编码回去。
注意：std::codecvt_utf8 在 C++17 被弃用，仅适用于旧项目或 Windows（sizeof(wchar_t) == 2 时有代理对问题）：
立即学习“C++免费学习笔记（深入）”；
std::string utf8_reverse(const std::string& s) {
std::wstring_convert> conv;
std::wstring w = conv.from_bytes(s);
std::reverse(w.begin(), w.end());
return conv.to_bytes(w);
}
- Linux/macOS 下
wchar_t通常为 4 字节，可安全处理 BMP 和增补平面字符 - Windows 下
wchar_t为 2 字节，遇到 U+10000 以上字符（如部分 emoji）会出错 - 编译需开启
-std=c++11，且部分新版 libstdc++ 已移除此功能
手动解析 UTF-8 字节流提取码点（C++11 及以上通用）
绕过标准库编码转换，逐字节识别 UTF-8 起始字节（0xxxxxxx、110xxxxx、1110xxxx、11110xxx），拼出 Unicode 码点，存入 std::vector，再逆序并重新编码为 UTF-8。
关键逻辑片段（省略错误检查）：
std::string utf8_reverse_manual(const std::string& s) {
std::vector codepoints;
size_t i = 0;
while (i < s.size()) {
unsigned char b0 = s[i];
char32_t cp;
if ((b0 & 0x80) == 0) { // 1-byte
cp = b0;
i += 1;
} else if ((b0 & 0xE0) == 0xC0) { // 2-byte
cp = ((b0 & 0x1F) << 6) | (s[i+1] & 0x3F);
i += 2;
} else if ((b0 & 0xF0) == 0xE0) { // 3-byte
cp = ((b0 & 0x0F) << 12) | ((s[i+1] & 0x3F) << 6) | (s[i+2] & 0x3F);
i += 3;
} else if ((b0 & 0xF8) == 0xF0) { // 4-byte
cp = ((b0 & 0x07) << 18) | ((s[i+1] & 0x3F) << 12) |
((s[i+2] & 0x3F) << 6) | (s[i+3] & 0x3F);
i += 4;
} else {
cp = 0xFFFD; // replacement char
i += 1;
}
codepoints.push_back(cp);
}
std::reverse(codepoints.begin(), codepoints.end());
// encode back to UTF-8
std::string out;
for (char32_t cp : codepoints) {
if (cp <= 0x7F) {
out += static_cast(cp);
} else if (cp <= 0x7FF) {
out += static_cast(0xC0 | (cp >> 6));
out += static_cast(0x80 | (cp & 0x3F));
} else if (cp <= 0xFFFF) {
out += static_cast(0xE0 | (cp >> 12));
out += static_cast(0x80 | ((cp >> 6) & 0x3F));
out += static_cast(0x80 | (cp & 0x3F));
} else {
out += static_cast(0xF0 | (cp >> 18));
out += static_cast(0x80 | ((cp >> 12) & 0x3F));
out += static_cast(0x80 | ((cp >> 6) & 0x3F));
out += static_cast(0x80 | (cp & 0x3F));
}
}
return out;
}
- 完全不依赖
std::codecvt，C++11 起可用，跨平台稳定 - 需自行处理非法 UTF-8 序列（如中间字节缺失、超范围码点）
- 性能比宽字符串方案略低，但可控性强，适合嵌入式或严格合规场景
现代 C++ 推荐：用 ICU 或 std::text_encoding（C++23）
C++23 引入了 std::text_encoding，但目前（GCC 14 / Clang 18）尚未实现。生产环境仍需第三方库。
ICU（International Components for Unicode）是最成熟的方案，提供 UnicodeString 和 utf8::nextUnassigned 等工具，能正确处理组合字符、RTL 标记等复杂情况。但引入 ICU 意味着额外构建依赖和二进制体积增长。
简单判断：若只需基础中文逆序，手动 UTF-8 解析已足够；若涉及国际化文本（带 emoji、阿拉伯数字、变音符号），ICU 是更稳妥的选择。
真正容易被忽略的是：中文字符串逆序本身语义模糊——“你好世界”逆序是“界世好你”还是“界世好你”（如果含零宽连接符）？实际业务中，是否要保留标点位置、是否要按词切分，往往比编码细节更重要。
