UTF-8中文字符不能直接用std::reverse按字节逆序,因会破坏多字节序列导致乱码;必须按Unicode码点操作,可用宽字符串转换、手动解析UTF-8或ICU等方案。
UTF-8 中文字符不能按字节逆序
直接对 std::string 调用 std::reverse 会把 UTF-8 多字节序列拆开,导致乱码。比如“你好”在 UTF-8 中是 6 字节(每个汉字 3 字节),按字节翻转后首尾字节错位,解码失败。
根本原因是:UTF-8 是变长编码,1 字节 ASCII、3 字节常用汉字、4 字节生僻字,必须按 Unicode 码点(即“字符”)而非字节来操作。
用 std::wstring_convert + std::codecvt_utf8 转宽字符串再逆序(C++11/14)
这是最直观的过渡方案,先把 UTF-8 std::string 解码为 std::wstring(每个 wchar_t 对应一个 Unicode 码点),逆序后再编码回去。
注意:std::codecvt_utf8 在 C++17 被弃用,仅适用于旧项目或 Windows(sizeof(wchar_t) == 2 时有代理对问题):
立即学习“C++免费学习笔记(深入)”;
std::string utf8_reverse(const std::string& s) {
std::wstring_convert<std::codecvt_utf8> conv;
std::wstring w = conv.from_bytes(s);
std::reverse(w.begin(), w.end());
return conv.to_bytes(w);
}
- Linux/macOS 下
wchar_t通常为 4 字节,可安全处理 BMP 和增补平面字符 - Windows 下
wchar_t为 2 字节,遇到 U+10000 以上字符(如部分 emoji)会出错 - 编译需开启
-std=c++11,且部分新版 libstdc++ 已移除此功能
手动解析 UTF-8 字节流提取码点(C++11 及以上通用)
绕过标准库编码转换,逐字节识别 UTF-8 起始字节(0xxxxxxx、110xxxxx、1110xxxx、11110xxx),拼出 Unicode 码点,存入 std::vector,再逆序并重新编码为 UTF-8。