所以，现在在座的每一位读者都应该清楚地了解事实和情况。如果没有，那么你必须阅读帕塞巴尔非常全面的回答[顺便说一句：谢谢！]。

我的务实结论非常简单：所有C++（和STL）“字符编码”的东西基本上都是残缺不全的。不管是否归咎于微软，这都无济于事。

经过深入调查后，我的解决方案是：

接受，你必须自己负责编码和转换的事情（你会发现很多事情都很琐碎）对任何UTF-8编码字符串使用std:：string（仅为typedef std:：字符串UTF8String）接受这样一个UTF8String对象只是一个愚蠢但廉价的容器。永远不要直接访问和/或操作其中的字符（不要搜索、替换等）。你可以，但你真的不想浪费时间为多字节字符串编写文本操作算法！即使其他人已经做了如此愚蠢的事情，也不要这样做！顺其自然！（好吧，在某些情况下，这是合理的……只需使用ICU图书馆即可）。对UCS-2编码字符串使用std:：wstring（typedef std:：wstring UCS2String）-这是一种妥协，也是对WIN32 API引入的混乱的让步）。UCS-2对我们大多数人来说已经足够了（稍后将详细介绍…）。每当需要逐字符访问（读取、操作等）时，请使用UCS2String实例。任何基于字符的处理都应该在非多字节表示中完成。它简单、快速、容易。添加两个实用函数以在UTF-8和UCS-2之间来回转换：UCS2字符串转换为UCS2（const UTF8String&str）；UTF8字符串转换为UTF8（常量UCS2String&str）；

转换很简单，谷歌应该在这里提供帮助。。。

就是这样。在内存非常宝贵的地方以及所有UTF-8 I/O都使用UTF8String。在必须解析和/或操作字符串的地方使用UCS2String。您可以随时在这两种表示之间进行转换。

替代方案和改进

从&到单字节字符编码（例如ISO-8859-1）的转换可以借助于普通转换表来实现，例如const wchar_ttt_iso88951[256]＝{0,1,2，…}；以及用于转换到UCS2和从UCS2转换的适当代码。如果UCS-2不够，则切换到UCS-4（typedef std:：basic_string<uint32_t>UCS2String）

ICU或其他unicode库？

先进的东西。

什么时候不应该使用宽字符？

当你在1990年之前编写代码时。

很明显，我很生气，但事实上，现在是21世纪。127个字符早已不再足够。是的，你可以使用UTF8，但为什么要头疼呢？

一串wstring？

std:：string是在char上模板化的basicstring，而std:：wstring是在wchart上模板化。

字符与wchar_t

char应该包含一个字符，通常是8位字符。wchar_t应该包含一个宽字符，然后，事情变得棘手：在Linux上，wchar_t是4字节，而在Windows上，它是2字节。

那么Unicode呢？

问题是char和wchar_t都没有直接绑定到unicode。

在Linux上？

让我们以Linux操作系统为例：我的Ubuntu系统已经支持unicode。当我使用字符串时，它是以UTF-8（即Unicode字符串）本机编码的。以下代码：

#include <cstring>
#include <iostream>

int main()
{
    const char text[] = "olé";


    std::cout << "sizeof(char)    : " << sizeof(char) << "\n";
    std::cout << "text            : " << text << "\n";
    std::cout << "sizeof(text)    : " << sizeof(text) << "\n";
    std::cout << "strlen(text)    : " << strlen(text) << "\n";

    std::cout << "text(ordinals)  :";

    for(size_t i = 0, iMax = strlen(text); i < iMax; ++i)
    {
        unsigned char c = static_cast<unsigned_char>(text[i]);
        std::cout << " " << static_cast<unsigned int>(c);
    }

    std::cout << "\n\n";

    // - - -

    const wchar_t wtext[] = L"olé" ;

    std::cout << "sizeof(wchar_t) : " << sizeof(wchar_t) << "\n";
    //std::cout << "wtext           : " << wtext << "\n"; <- error
    std::cout << "wtext           : UNABLE TO CONVERT NATIVELY." << "\n";
    std::wcout << L"wtext           : " << wtext << "\n";

    std::cout << "sizeof(wtext)   : " << sizeof(wtext) << "\n";
    std::cout << "wcslen(wtext)   : " << wcslen(wtext) << "\n";

    std::cout << "wtext(ordinals) :";

    for(size_t i = 0, iMax = wcslen(wtext); i < iMax; ++i)
    {
        unsigned short wc = static_cast<unsigned short>(wtext[i]);
        std::cout << " " << static_cast<unsigned int>(wc);
    }

    std::cout << "\n\n";
}

输出以下文本：

sizeof(char)    : 1
text            : olé
sizeof(text)    : 5
strlen(text)    : 4
text(ordinals)  : 111 108 195 169

sizeof(wchar_t) : 4
wtext           : UNABLE TO CONVERT NATIVELY.
wtext           : ol�
sizeof(wtext)   : 16
wcslen(wtext)   : 3
wtext(ordinals) : 111 108 233

您将看到char中的“olé”文本实际上由四个字符构成：110、108、195和169（不包括后面的零）。（我将让您学习wchar_t代码作为练习）

因此，在Linux上使用字符时，您通常会在不知道的情况下使用Unicode。由于std:：string可以使用字符，所以std:：字符串已经可以使用Unicode。

请注意，std:：string与C字符串API一样，会认为“olé”字符串有4个字符，而不是3个字符。因此，在截断/播放unicode字符时应谨慎，因为UTF-8中禁止某些字符组合。

在Windows上？

在Windows上，这有点不同。在Unicode出现之前，Win32必须支持许多使用字符和世界各地产生的不同字符集/代码页的应用程序。

因此，他们的解决方案是一个有趣的解决方案：如果应用程序使用字符，那么字符字符串将使用机器上的本地字符集/代码页编码/打印/显示在GUI标签上，这在很长一段时间内都不可能是UTF-8。例如，在法语本地化的Windows中，“olé”将是“olé”，但在cyrillic本地化的Windows上则会有所不同（如果使用Windows-1251，则为“olй”）。因此，“历史应用程序”通常仍将以旧的方式工作。

对于基于Unicode的应用程序，Windows使用wchar_t，其宽度为2字节，并以UTF-16编码，UTF-16以2字节字符为Unicode编码（或者至少是UCS-2，它只是缺少代理对，因此缺少BMP之外的字符（>=64K））。

使用字符的应用程序称为“多字节”（因为每个字形由一个或多个字符组成），而使用wchar_t的应用程序则称为“宽字符”（因为每一个字形由一或两个wchar_t）。有关详细信息，请参阅MultiByteToWideChar和WideCharToMultiByteWin32转换API。

因此，如果你在Windows上工作，你很想使用wchar_t（除非你使用一个隐藏它的框架，如GTK或QT…）。事实是，在幕后，Windows使用wchar_t字符串，所以即使是历史应用程序，在使用SetWindowText（）（用于在Win32 GUI上设置标签的低级API函数）等API时，也会将其字符字符串转换为wchar_t。

内存问题？

UTF-32是每个字符4个字节，因此没有什么可添加的，只要UTF-8文本和UTF-16文本总是比UTF-32文本使用更少或相同的内存量（通常更少）。

如果存在内存问题，那么您应该知道，与大多数西方语言相比，UTF-8文本使用的内存将少于相同的UTF-16文本。

尽管如此，对于其他语言（中文、日语等），UTF-8使用的内存将与UTF-16相同，或者略大。

总而言之，UTF-16通常每个字符使用2个字节，有时使用4个字节（除非您正在处理某种深奥的语言字形（克林贡语？精灵语？），而UTF-8将使用1到4个字节。

看见https://en.wikipedia.org/wiki/UTF-8#Compared_to_UTF-16获取更多信息。

结论

什么时候应该在std:：string上使用std:：wstring？在Linux上？几乎从未（§）。在Windows上？几乎总是（§）。跨平台代码？取决于您的工具包。。。（§）：除非您使用的工具包/框架另有说明std:：string可以保存所有ASCII字符集，包括特殊字符吗？注意：std:：string适合保存“binary”缓冲区，而std:：wstring不是！在Linux上？对在Windows上？只有特殊字符可用于Windows用户的当前区域设置。编辑（Johann Gerell发表评论后）：一个std:：字符串将足以处理所有基于字符的字符串（每个字符都是从0到255的数字）。但是：ASCII应该从0到127。较高的字符不是ASCII码。从0到127的字符将被正确保存从128到255的字符将根据您的编码（unicode、非unicode等）而有意义，但只要以UTF-8编码，它将能够保存所有unicode字形。几乎所有流行的C++编译器都支持std:：wstring吗？大多数情况下，除了移植到Windows的基于GCC的编译器。它适用于我的g++4.3.2（在Linux下），我从Visual C++6开始在Win32上使用Unicode API。宽字符到底是什么？在C/C++上，它是一种wchar_t编写的字符类型，比简单的char字符类型更大。它应该用于放置索引（如Unicode字形）大于255（或127，取决于…）的字符。

一个好问题！我认为数据编码（有时还涉及字符集）是一种内存表达机制，用于将数据保存到文件或通过网络传输数据，因此我将这个问题回答为：

1.何时应该使用std:：wstring而不是std:：string？

如果编程平台或API函数是单字节的，并且我们想要处理或解析一些Unicode数据，例如从Windows的.REG文件或网络2字节流中读取的数据，那么我们应该声明std:：wstring变量以方便处理它们。例如：wstring ws=L“中国a“（6个八位字节内存：0x4E2D 0x56FD 0x0061），我们可以使用ws[0]获取字符'中' 和ws[1]获取字符'国' 和ws[2]获取字符“a”等。

2.std:：string是否可以保存整个ASCII字符集，包括特殊字符？

对但请注意：美国ASCII，意味着每个0x00~0xFF八位字节代表一个字符，包括可打印文本，如“123abc&*_&”，您所说的特殊文本，大多打印为“”避免混淆编辑器或终端。还有一些国家扩展了自己的“ASCII”字符集，例如中文，使用2个八位字节来表示一个字符。

3.所有流行的C++编译器都支持std:：wstring吗？

也许，或者大部分。我使用过：VC++6和GCC 3.3，是

4.什么是“宽字符”？

宽字符主要表示使用2个八位字节或4个八位字符来容纳所有国家的字符。2个八位字节UCS2是一个代表性示例，此外，例如英语“a”，其内存为0x0061的2个八位数（而ASCII“a”的内存为1个八位位0x61）

当您希望在字符串中存储宽字符时。宽取决于实现。如果我没记错的话，Visual C++默认为16位，而GCC默认值取决于目标。这里有32位长。请注意wchar_t（宽字符类型）与unicode无关。它只是保证它可以存储实现所支持的最大字符集的所有成员，并且至少可以存储char。也可以使用utf-8编码将unicode字符串精细地存储到std:：string中。但它无法理解unicode代码点的含义。因此str.size（）不会给出字符串中逻辑字符的数量，而只给出该字符串/wstring中存储的char或wchar_t元素的数量。出于这个原因，gtk/glib C++包装人员开发了一个可以处理utf-8的glib：：ustring类。如果wchar_t是32位长，那么可以使用utf-32作为unicode编码，并且可以使用固定（utf-32是固定长度）编码来存储和处理unicode字符串。这意味着wstring的s.size（）函数将返回正确数量的wchar_t元素和逻辑字符。是的，char总是至少8位长，这意味着它可以存储所有ASCII值。是的，所有主要的编译器都支持它。

我经常使用std:：string来保存utf-8字符，而没有任何问题。我强烈建议在与使用utf-8作为本机字符串类型的API接口时这样做。

例如，当我的代码与Tcl解释器接口时，我使用utf-8。

主要的警告是std:：字符串的长度，不再是字符串中的字符数。