17370845950

std::wstring是wchar_t的vector，非万能宽字符串；其编码平台相关：Windows为UTF-16，Linux/macOS为UTF-32；length()返回wchar_t个数，非码点数或字节数；跨平台应优先用UTF-8（std::string），仅系统边界转换。

std::wstring 本质是 wchar_t 的 vector，不是“万能宽字符串”

std::wstring 就是 std::basic_string 的别名，底层存储的是 wchar_t 序列，但 wchar_t 的大小和编码含义**平台相关**：Windows 下通常是 UTF-16（2 字节），Linux/macOS 下通常是 UTF-32（4 字节）。这意味着同一段 std::wstring 在不同系统上可能表示不同编码，不能直接跨平台序列化或网络传输。

常见错误现象：

std::wstring s = L"你好";  
std::wcout << s.length(); // Windows 输出 2，Linux 可能也输出 2，但内部字节数不同

这里 length() 返回的是 wchar_t 个数，不是 Unicode 码点数（如 emoji ZWJ 序列会占多个 wchar_t），更不是字节数。

• 不要假设 std::wstring::size() * sizeof(wchar_t) 等于 UTF-8 字节数
• 不要用 std::wstring 直接对接 UTF-8 文件或 HTTP 响应体
• Windows API（如 CreateFileW、MessageBoxW）接受 LPCWSTR（即 const wchar_t*），这时 std::wstring.c_str() 是安全的；但 Linux 的 POSIX wide API（如 fwprintf）虽存在，实际极少使用

Windows 下 std::wstring ↔ UTF-8 转换必须用 WideCharToMultiByte / MultiByteToWideChar

Windows SDK 提供的这两个 API 是最可靠、性能最好、且支持 BOM 和错误处理的转换方式。C++ 标准库（包括 C++11 的 ）在 MSVC 中已被弃用，在 GCC/Clang 中行为不一致，不要用 std::wstring_convert 或 std::codecvt_utf8。

正确做法示例（UTF-8 → std::wstring）：

std::string utf8_str = "Hello 世界";
int wlen = ::MultiByteToWideChar(CP_UTF8, 0, utf8_str.c_str(), -1, nullptr, 0);
if (wlen == 0) throw std::runtime_error("MultiByteToWideChar failed");
std::wstring wstr(wlen - 1, L'\0'); // -1 排除 null terminator
::MultiByteToWideChar(CP_UTF8, 0, utf8_str.c_str(), -1, &wstr[0], wlen);

• CP_UTF8 是关键常量，不是 CP_ACP 或 CP_OEMCP
• 第二次调用传 &wstr[0]（C++11 起保证连续存储），不要用 wstr.data()（可能不可写）
• 若源字符串不含 null 终止符，把 -1 换成 static_cast(utf8_str.size())，并手动补 L'\0'

Linux/macOS 下推荐用 iconv 或 std::mbstowcs / std::wcstombs（但需设对 locale）

POSIX 系统没有原生 UTF-16 支持，wchar_t 默认为 UTF-32，因此 std::mbstowcs 实际做的是 UTF-8 → UTF-32 转换——前提是当前 C locale 支持 UTF-8。常见坑：程序启动时未显式设置 locale，导致转换失败或截断。

安全写法（必须在转换前调用）：

std::setlocale(LC_ALL, "en_US.UTF-8"); // 或 "" 表示继承环境
// 然后才能用：
size_t wlen = std::mbstowcs(nullptr
, utf8_str.c_str(), 0);
if (wlen == static_cast(-1)) { /* 错误 */ }
std::wstring wstr(wlen, L'\0');
std::mbstowcs(&wstr[0], utf8_str.c_str(), wlen + 1);

• std::mbstowcs 不识别 BOM，输入必须是纯 UTF-8
• locale 名称因系统而异：en_US.UTF-8（Ubuntu）、en_US.utf8（Alpine）、UTF-8（macOS）
• 更健壮的选择是用 libiconv：明确指定 "UTF-8" → "WCHAR_T"，不依赖 locale

跨平台项目建议：内部统一用 UTF-8（std::string），只在系统边界转 wchar_t

真正需要 std::wstring 的场景极少：仅限调用 Windows GUI/API、或极少数要求 wchar_t 接口的第三方库。其余所有逻辑（文件读写、JSON 解析、网络收发、日志）都应使用 std::string 存储 UTF-8。

• Windows 上打开文件：用 CreateFileW 传 wstr.c_str()，但文件内容仍按 UTF-8 读取/写入
• 避免把 std::wstring 当作“更高级的字符串”滥用——它不提供 Unicode 正规化、大小写折叠、图形簇计数等能力
• 需要处理 emoji、ZWNJ、变音符号组合时，std::wstring 的 length() 完全不可靠，必须用 ICU 或 utf8cpp 等库按 Unicode 标准解析

最易被忽略的一点：wchar_t 不是 Unicode 类型，它只是“宽字符”。把它当 Unicode 用，等于把 int 当数学整数用——底层能存，但语义和操作必须额外保障。