c++ - 字符串类中 size() 和 at() 的不正确行为

Question

我有这个代码：

string test("żaba");

cout << "Word: " << test << endl;
cout << "Length: " << test.size() << endl;
cout << "Letter: " << test.at(0) << endl;

输出很奇怪：

Word: żaba
Length: 5
Letter: �

如您所见，长度应为 4 和字母：“ż”。

如何更正此代码以正常工作？

Answer 1

你的问题没有提到编码，所以我要在黑暗中刺一下，说这就是原因。

第一个行动方案：阅读每个软件开发人员绝对、肯定必须了解 Unicode 和字符集的绝对最低要求（没有借口！）。

在那之后，应该清楚的是，不存在“裸字符串”这样的东西——每个字符串都以某种方式编码。在您的情况下，它看起来非常像您使用带有变音符号的 UTF-8 编码字符串，在这种情况下，是的，字符串的长度（正确）报告为 5 ¹，并且第一个代码点可能不是可在您的平台上打印。

---

^1）注意string::size计算字节（= chars），而不是逻辑字符甚至代码点。

Answer 2

std::string在非 Windows 上通常用于存储 UTF8 字符串（这是 2010 年大多数理智操作系统上的默认编码），但它是一个“哑”容器，从某种意义上说，它不知道也不关心您存储的字节数。它可以用于读取、存储和写入；但不适用于字符串操作。

您需要使用优秀且维护良好的IBM ICU : International Components for Unicode。它是一个用于 *nix 或 Windows 的 C/C++ 库，已经进行了大量研究以提供一个文化感知字符串库，包括既快速又准确的不区分大小写的字符串比较。

另一个更容易为 C++ 开发人员切换到的好项目是UTF8-CPP