Windows控制台默认GBK导致UTF-8输出乱码，需调用SetConsoleOutputCP(65001)并确保字体、源文件编码匹配；std::fstream不处理编码，读写UTF-8文件需显式转换；GBK与UTF-8互转必须用系统API而非reinterpret_cast；std::string存UTF-8安全但length()返回字节数而非字符数。
Windows 控制台默认是 GBK，std::cout 输出 UTF-8 字符串会变乱码
这是最常见也最容易被误以为是“C++ 不支持 UTF-8”的原因。实际是 Windows 控制台（cmd.exe 或 powershell.exe）启动时默认使用系统本地编码（中文 Windows 是 GBK），而你的源文件若保存为 UTF-8（无 BOM），std::string 里存的是 UTF-8 字节序列，直接 std::cout 就会把多字节 UTF-8 当成多个 GBK 字符解析，显示为乱码。
解决思路不是改 C++ 编码逻辑，而是让控制台能正确解释 UTF-8：
-
SetConsoleOutputCP(65001)—— 在程序开头调用，把控制台输出代码页设为 UTF-8 - 确保终端字体支持 Unicode（如 “Consolas”、“Lucida Console”、“NSimSun”）
- 源文件必须保存为 UTF-8（无 BOM），否则
"你好"字面量本身就会被编译器按 GBK 解析出错
#include <iostream>
#include <windows.h>
int main() {
SetConsoleOutputCP(65001); // 关键：启用 UTF-8 输出
std::cout << "你好，世界！\n"; // 正常显示
return 0;
}
跨平台读写 UTF-8 文件时，std::fstream 默认不处理编码转换
C++ 标准库的 std::ifstream / std::ofstream 是纯字节流，它不关心内容是 UTF-8 还是 GBK。你写入一个 std::string，它就原样写入字节；你读出来，也原样当 char 序列返回。所谓“乱码”，其实是你用错误的编码去解读这些字节。
所以重点在「你如何生成/消费这些字节」：
立即学习“C++免费学习笔记（深入）”；
- 写文件前：确保
std::string里存的是你要的编码（比如从用户输入、网络响应拿到的 UTF-8，就别用MultiByteToWideChar(CP_ACP, ...)错误转成 GBK 再写） - 读文件后：如果文件是 UTF-8 编码，就按 UTF-8 解析（例如用
std::wstring_convert<:codecvt_utf8>></:codecvt_utf8>转成std::wstring，但注意该类在 C++17 已弃用） - 更稳妥的做法：用第三方轻量库（如
utf8cpp）或系统 API（MultiByteToWideChar+WideCharToMultiByte）做显式转换
GBK 与 UTF-8 互转必须用系统 API 或专用函数，不能靠 reinterpret_cast
有人试图这样转：
std::string gbk_str = "..."; std::string utf8_str = reinterpret_cast<const char*>(gbk_str.c_str()); // ❌ 完全错误
这是典型误区。reinterpret_cast 只改变指针类型，不改变内存内容。GBK 和 UTF-8 是两种完全不同的编码规则，同一汉字在两者中字节数、字节值都不同，必须经过查表或算法转换。
Windows 下推荐用系统 API（稳定、无需额外依赖）：
- GBK → UTF-8：
MultiByteToWideChar(CP_ACP, ..., gbk_ptr, gbk_len, wstr, wlen)→WideCharToMultiByte(CP_UTF8, ..., wstr, -1, utf8_ptr, utf8_len, ...) - UTF-8 → GBK：步骤反过来，第一个 API 用
CP_UTF8，第二个用CP_ACP -
CP_ACP表示当前系统 ANSI 代码页（中文 Windows 即 GBK），不是硬编码936，更健壮
std::string 存 UTF-8 是安全的，但 .length() 返回字节数而非字符数
很多人困惑为什么 "??".length() == 4 或 "?".length() == 4。这是因为 UTF-8 是变长编码：ASCII 字符占 1 字节，常用汉字占 3 字节，部分扩展汉字或 emoji 占 4 字节。std::string::length() 统计的是 char 个数，即字节数。
如果你需要字符数（Unicode code point 数量），不能直接用 .length()：
- 简单场景（仅 BMP 字符）：可用
utf8cpp::utf8len(str.c_str()) - 完整支持（含代理对、扩展区）：需用 ICU 或 Boost.Locale，或手写 UTF-8 解码循环
- 排序、比较、截断等操作，若按“字符”而非“字节”进行，必须先解码成
std::u32string或迭代 UTF-8 code point
这点容易被忽略：很多字符串处理逻辑（比如取前 10 个“字符”）在 UTF-8 下如果不做解码，会切在某个汉字中间，导致后续解析失败。
