std::string.length() 返回字节数而非字符数，UTF-8 中文占3字节，导致长度误判；应使用 std::mbrtowc、utf8::distance 或 C++20 std::u8string 配合 UTF-8 工具计算真实字符数。

为什么 std::string.length() 算不准中文字符串长度

因为 std::string 是字节容器，.length() 返回的是字节数，不是字符数。UTF-8 编码下，一个中文字符占 3 字节（如 "你好" 的 .length() 是 6），而 GBK 下占 2 字节。直接用它当“字符长度”会出错，尤其在截断、对齐、UI 显示等场景。

用 std::wstring + std::wcslen() 前必须确保编码正确

把多字节字符串（如 UTF-8）直接 reinterpret_cast 成 wchar_t* 是常见错误。Windows 默认 wchar_t 是 UTF-16（2 字节），Linux/macOS 通常是 UTF-32（4 字节），但 std::mbstowcs() 行为依赖当前 locale。不设对 locale，转换会失败或乱码。

• Windows 下推荐显式用 MultiByteToWideChar(CP_UTF8, ...)
• 跨平台项目建议用 std::from_chars（C++17+）或第三方库（如 ICU、utf8cpp）
• 设置 locale 示例：

  std::setlocale(LC_ALL, "zh_CN.UTF-8"); // Linux
  std::setlocale(LC_ALL, "Chinese_China.936"); // Windows GBK（慎用）

std::mbrtowc() 是安全计算 UTF-8 字符数的底层方法

它逐字节解析 UTF-8 序列，返回每个字符对应的 wchar_t 宽度（实际是字节数），适合手动计数。比全量转 wstring 更轻量，也避开了 locale 依赖。

size_t utf8_char_count(const char* s) {
    if (!s) return 0;
    size_t count = 0;
    mbstate_t state = {};
    const char* p = s;
    while (*p) {
        wchar_t wc;
        size_t r = std::mbrtowc(&wc, p, MB_CUR_MAX, &state);
        if (r == static_cast(-1) || r == static_cast(-2)) break; // 无效序列
        if (r > 0) {
            count++;
            p += r;
        } else {
            p++; // 单字节 ASCII
        }
    }
    return count;
}

注意：MB_CUR_MAX 在 UTF-8 环境下是 4，但实际中文最多 3 字节；mbrtowc 要求 state 初始化为零，否则多字节字符跨调用会出错。

立即学习“C++免费学习笔记（深入）”；

现代 C++ 推荐用 std::u8string（C++20）配合第三方 UTF-8 工具

std::u8string 语义上明确是 UTF-8 字符串，但标准库仍未提供原生字符计数函数。目前最稳妥的做法仍是：

• 用 utf8::distance()（轻量头文件）：

  int len = utf8::distance(str.begin(), str.end());

• 避免自己实现 UTF-8 解析逻辑——BOM 判断、代理对、超长编码、空字符嵌入等边界情况极易遗漏
• 若项目已用 Boost，utf8::distance() 更健壮

真正容易被忽略的点：字符串是否以 null 结尾？是否含嵌入的 boost::text::utf8_length()？\0 和 mbrtowc 都按首个 utf8::distance 截断，生产环境需先确认数据来源可信。