std::string可安全存储utf-8字节序列，但std::wstring不能直接存utf-8；跨平台应避免std::codecvt_utf8_utf16，改用utf8cpp或utf8proc进行编码转换，并注意异常处理与字符级操作。
std::string 存 UTF-8 没问题，但别当 std::wstring 用
UTF-8 字节序列可以安全存进 std::string，这是 C++ 标准允许的——它本质就是 std::vector<char></char>。问题出在很多人误以为 std::wstring 是“Unicode 字符串”，试图把 UTF-8 数据喂给它，结果触发乱码或截断。
原因很简单：std::wstring 在 Windows 上是 UTF-16（wchar_t 为 2 字节），Linux/macOS 上通常是 UTF-32（wchar_t 为 4 字节），而 UTF-8 是变长编码，直接 reinterpret_cast 或强制构造必然崩。
- 读文件/网络数据时，一律用
std::string接收原始 UTF-8 字节 - 需要显示、排序、截取“字符”（非字节）时，必须用 Unicode-aware 库处理，不能靠
.size()或substr() - Windows 控制台默认不支持 UTF-8 输出，
std::cout 可能显示为方块——这不是字符串错，是终端没切编码
跨平台转 UTF-16（Windows API / ICU 需求）用 std::codecvt_utf8_utf16？别用了
std::codecvt_utf8_utf16 在 C++17 被标记为 deprecated，C++20 彻底移除。GCC 早已不实现它，MSVC 虽保留但行为不一致，Clang 更是直接报错。硬用等于给自己埋兼容性雷。
替代方案很明确：用轻量级、头文件即用的库，比如 utf8cpp 或 utf8proc。它们不依赖系统 API，编译无负担，且正确处理代理对、BOM、非法序列。
立即学习“C++免费学习笔记（深入）”；
-
utf8cpp的utf8::utf8to16()可将std::string（UTF-8）转成std::u16string，结果可直传 WindowsCreateWindowW等 API - 若需转 UTF-32（如 Linux
std::wstring场景），用utf8::utf8to32()，它比手写循环解析更健壮 - 注意：转换函数可能抛
utf8::exception，非法 UTF-8（如孤立尾字节）必须捕获处理，不能假设输入干净
正则匹配、大小写转换、长度计算为什么总出错？
因为这些操作都依赖“字符”边界，而 UTF-8 的一个 Unicode 字符占 1–4 字节。std::string::length() 返回的是字节数，不是字符数；std::regex 默认按字节匹配，无法识别 ä、中文、 emoji 等多字节序列。
例如 std::regex("a{2}") 在 UTF-8 字符串里根本匹配不到 "aa"，除非你确保输入全是 ASCII；std::toupper 对非 ASCII 字节直接返回原值，不会变成大写。
- 需要字符级操作时，先用
utf8::next()（utf8cpp）或utf8proc_iterate()（utf8proc）逐个解码码点 - 大小写转换必须查 Unicode 属性表，
utf8proc提供utf8proc_totitle()和utf8proc_toupper()，支持语言敏感规则（如土耳其 i） - 正则推荐用
ICU（功能全但重）或oniguruma（支持 UTF-8 模式，加ONIG_OPTION_UTF8即可）
Windows 控制台和文件路径的 UTF-8 陷阱
Windows 默认控制台代码页是 GBK 或 CP1252，std::cout 输出乱码不是你的错。同样，<code>std::ifstream 构造时传 UTF-8 路径（如 "./数据/测试.txt"），在旧 MSVC 下会失败——因为 Windows API 的 CreateFileA 把 UTF-8 当作本地编码解释了。
- 控制台输出：调用
SetConsoleOutputCP(65001)启用 UTF-8，再用std::wcout+std::wstring_convert（仅限旧标准）或utf8cpp转宽字符输出 - 文件路径：Windows 10 1903+ 支持全局 UTF-8 模式（注册表
UTF8Enable=1），但不可控；稳妥做法是用MultiByteToWideChar(CP_UTF8, ...)转LPCWSTR再调CreateFileW - CMake 项目中，确保
add_compile_options(/utf-8)（MSVC）或-finput-charset=utf-8 -fexec-charset=utf-8（GCC/Clang），否则源文件里的中文字符串字面量就错了
最常被忽略的一点：所有外部输入（文件、网络、argv）都可能是任意编码，UTF-8 只是约定，不是保证。不做检测就硬转，得到的永远是“看起来像中文”的垃圾数据。
