必须确认源文件编码与locale匹配，否则fopen读UTF-8无BOM文件会因locale不兼容导致乱码或崩溃；应优先用二进制模式读取并手动处理BOM和UTF-8校验。
用 fopen 读文件前必须确认源文件编码和 locale 设置是否匹配
Windows 上 VS 默认用 GBK 编译，但很多编辑器（如 VS Code、Notepad++）保存 UTF-8 文件时默认不带 BOM。一旦源码含中文注释且是 UTF-8 无 BOM，fopen 用默认 locale 打开就会把多字节 UTF-8 当作单字节乱解，后续 fgets 读出的缓冲区里出现非法字节序列，std::string 构造或输出时可能崩溃或显示乱码。
- 检查文件真实编码：用
file -i filename.cpp（Linux/macOS）或在 VS Code 右下角看“UTF-8”/“GBK”字样；别信后缀或编辑器标题栏的“已保存”提示 - Windows 下若文件是 UTF-8 无 BOM，不要直接用
fopen("a.cpp", "r")—— 它依赖当前 C locale，而默认 locale 通常是"C"或"Chinese_China.936"，都不兼容 UTF-8 - 临时方案：用记事本另存为“UTF-8 带签名（BOM）”，此时
fopen在 MSVC 下能识别 BOM 并自动切换到 UTF-8 模式（仅限 Windows + MSVC）
跨平台安全读取 UTF-8 文件得绕过 fopen，改用二进制模式 + 手动 UTF-8 验证
标准 C/C++ 库没有内置 UTF-8 文本读取支持。fopen 的 "r" 模式在不同平台对 UTF-8 行为不一致：Linux 下基本当纯字节流可用，Windows 下容易因换行符或 locale 导致 fgets 截断或跳行。真正可靠的方式是用 "rb" 打开，自己处理 BOM 和 UTF-8 字节合法性。
- 先用
fopen("a.cpp", "rb")打开，读前 3 字节判断是否0xEF 0xBB 0xBF（UTF-8 BOM），若是则跳过 - 逐字节读入
std::vector<char>，不要用fgets—— 它按'\n'切割，而 UTF-8 中文字符里绝不会出现0x0A单独成义，但误切仍会导致逻辑错位 - 读完后可选做轻量 UTF-8 校验（比如检查每个非 ASCII 字节是否符合
11xxxxxx开头、后续字节是否为10xxxxxx），发现非法序列就报错而非静默吞掉
std::ifstream 在 Windows 下默认不认 UTF-8，需显式指定 std::locale
很多人以为 std::ifstream 比 C FILE* 更现代就更“懂 Unicode”，其实它默认 locale 是 std::locale()，在 Windows 上通常绑定到系统 ANSI 代码页（如 936），读 UTF-8 文件时会触发 std::codecvt_utf8（已弃用）或失败回退，表现就是 is.good() 突然变 false，或读出空字符串。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- C++11 起可用
std::codecvt_utf8<char32_t>配合std::wifstream，但要求输入是 UTF-32，你得先转码——这反而增加依赖和复杂度 - 更实用做法：Windows 下统一用
std::ifstream ifs("a.cpp", std::ios::binary)，然后用std::vector<char>读全部内容，最后用第三方轻量库（如utf8cpp）或手写函数验证并转std::u8string（C++20） - Clang/GCC 下若编译选项含
-finput-charset=UTF-8，预处理器能正确定位中文注释位置，但这不影响运行时文件读取逻辑
预处理器阶段就报错？那问题不在读取，而在源文件声明缺失 // clang-format off 或编码未被编译器识别
如果错误发生在 #include 或编译初期，比如 error: illegal character encoding 或 invalid preprocessing directive，说明编译器在词法分析阶段就卡住了——这不是你程序读文件的问题，而是编译器本身没正确识别源码编码。
立即学习“C++免费学习笔记（深入）”；
- MSVC 需在文件开头加 BOM，或命令行加
/source-charset:utf-8（VS2015+）；否则遇到中文注释里的 UTF-8 字节会直接拒识 - Clang/GCC 默认假设源码是 UTF-8，但若文件实际是 GBK，就会把两个 GBK 字节解释成非法 UTF-8 序列，报
invalid UTF-8 in identifier - 不是所有中文注释都危险：ASCII 范围内的
// 注释没问题，但含中文的/* 多行注释 */若跨行且中间有非法字节，预处理器可能提前终止解析
最麻烦的情况是：文件编码、编辑器显示编码、编译器预期编码、运行时读取编码，四者不一致。这时候光调读取逻辑没用，得先用 iconv -f GBK -t UTF-8 in.cpp > out.cpp 统一源头。
