C++以utf8编码输入中文

在 C++ 中处理 UTF-8 编码的中文输入涉及到字符编码的处理、输入输出操作以及可能的转换过程。以下是一个详细的指南，介绍了如何在 C++ 程序中以 UTF-8 编码输入中文字符，包括基本概念、示例代码、注意事项和常见问题的解决方案。

1. 了解 UTF-8 编码

• UTF-8 是一种变长的字符编码方式，可以编码 Unicode 字符集中的所有字符。它使用 1 到 4 个字节来表示每一个字符，并且与 ASCII 兼容。

2. 基本概念

在 C++ 中，处理 UTF-8 编码的中文字符涉及以下几个方面：

• 输入/输出流：C++ 的标准库 iostream 支持 Unicode 字符的输入和输出，但处理 UTF-8 编码时需要特别注意。
• 字符串类型：C++ 中有 std::string 和 std::wstring 类型，std::string 是字节序列，适用于 UTF-8 编码；std::wstring 是宽字符序列，适用于 UTF-16 或 UTF-32 编码。
• 字符编码转换：有时需要将 UTF-8 编码的字节数据转换为宽字符数据（如 std::wstring），或将宽字符数据转换为 UTF-8 编码的字节数据。

3. 处理 UTF-8 编码的中文输入

以下是一个简单的 C++ 程序示例，演示了如何以 UTF-8 编码输入中文字符并进行处理。

cpp
复制代码
#include <iostream>
#include <string>
#include <locale>
#include <codecvt>

int main() {
    // 设置 locale 以支持 UTF-8 编码
    std::locale::global(std::locale("en_US.UTF-8"));

    // 创建一个 std::string 以接收 UTF-8 编码的输入
    std::string utf8_string;

    // 提示用户输入中文
    std::cout << "请输入中文字符：";

    // 从标准输入读取 UTF-8 编码的字符串
    std::getline(std::cin, utf8_string);

    // 输出 UTF-8 编码的字符串
    std::cout << "你输入的中文是： " << utf8_string << std::endl;

    // 将 UTF-8 编码的字符串转换为宽字符字符串
    std::wstring_convert<std::codecvt_utf8<wchar_t>> converter;
    std::wstring wide_string = converter.from_bytes(utf8_string);

    // 输出宽字符字符串
    std::wcout << L"你输入的中文是： " << wide_string << std::endl;

    return 0;
}

解释代码

1. 设置 Locale：

   cpp
   复制代码
   std::locale::global(std::locale("en_US.UTF-8"));
   

   std::locale::global 函数用于设置程序的全局语言环境，指定为 en_US.UTF-8，以便支持 UTF-8 编码。

2. 读取 UTF-8 编码的字符串：

   cpp
   复制代码
   std::getline(std::cin, utf8_string);
   

   std::getline 用于从标准输入读取一行 UTF-8 编码的文本。

3. 输出 UTF-8 编码的字符串：

   cpp
   复制代码
   std::cout << "你输入的中文是： " << utf8_string << std::endl;
   

   std::cout 用于将 UTF-8 编码的字符串输出到标准输出流。

4. 将 UTF-8 编码的字符串转换为宽字符字符串：

   cpp
   复制代码
   std::wstring_convert<std::codecvt_utf8<wchar_t>> converter;
   std::wstring wide_string = converter.from_bytes(utf8_string);
   

   使用 std::wstring_convert 和 std::codecvt_utf8 将 UTF-8 编码的字符串转换为宽字符字符串。

5. 输出宽字符字符串：

   cpp
   复制代码
   std::wcout << L"你输入的中文是： " << wide_string << std::endl;
   

   std::wcout 用于输出宽字符字符串。

4. 高级用法：字符编码转换

在某些复杂应用中，可能需要进行字符编码转换。C++ 标准库提供的 std::wstring_convert 已在 C++17 中被弃用，建议使用 std::u8string 和 std::u16string 等现代 C++ 标准库特性进行编码转换。

使用 std::u8string 进行 UTF-8 操作

cpp
复制代码
#include <iostream>
#include <string>
#include <locale>
#include <codecvt>

int main() {
    // 设置 locale 以支持 UTF-8 编码
    std::locale::global(std::locale("en_US.UTF-8"));

    // 创建一个 std::u8string 以接收 UTF-8 编码的输入
    std::u8string utf8_string;

    // 提示用户输入中文
    std::cout << "请输入中文字符：";

    // 从标准输入读取 UTF-8 编码的字符串
    std::getline(std::cin, reinterpret_cast<std::string&>(utf8_string));

    // 输出 UTF-8 编码的字符串
    std::cout << "你输入的中文是： " << reinterpret_cast<std::string&>(utf8_string) << std::endl;

    // 将 UTF-8 编码的字符串转换为宽字符字符串
    std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> converter;
    std::wstring wide_string = converter.from_bytes(reinterpret_cast<std::string&>(utf8_string));

    // 输出宽字符字符串
    std::wcout << L"你输入的中文