UTF-8截断需按字符而非字节处理：先识别多字节起始字节，再跳过后续续字节；英文1字节、中文通常3字节但不可硬编码；推荐string_view+位运算判断，避免locale依赖；省略号应使用U+2026并预留显示宽度。
截断逻辑必须区分中文、英文和混合字符
直接用 substr 按字节数或字符数切，很容易在中文中间劈开，出现乱码或半个汉字。C++ 标准库不自带 UTF-8 字符计数，得自己处理：先判断是否为 UTF-8 多字节起始字节（0xC0–0xFF），再跳过后续的 0x80–0xBF 字节。英文字符（ASCII）占 1 字节，中文通常占 3 字节（UTF-8），但不能硬编码“每 3 字节一个字”，因为可能遇到无效序列或 BOM。
- 推荐用
std::string_view遍历字节，用位运算判断 UTF-8 编码结构 - 避免依赖
std::mbstowcs，它受 locale 影响大，跨平台行为不稳定 - 如果确定只跑 Linux/macOS 且 locale 是 UTF-8，可临时用
std::codecvt_utf8（C++17 已弃用，慎用）
省略号要占真实显示宽度，不能简单拼接 “...”
中文字体下，一个中文字符 ≈ 两个英文字符宽度；“...” 是三个 ASCII 点，在等宽字体里占 3 列，但在 GUI 或网页渲染中，可能被压缩或拉伸。真正安全的做法是：先算出目标宽度（比如最多显示 20 个英文字符宽度），再反推能放几个中文/英文字符，最后留出空间给省略号。
- 纯终端场景：按字符数限制（如最多 15 个 Unicode 字符），末尾加
"…"（U+2026，单字符省略号，比三个点更规范） - GUI 或 Web 场景：必须交由前端/排版引擎处理宽度，C++ 层只负责提供语义正确的截断位置（即最后一个完整字符索引）
- 别用
"..."拼接——它在中文环境里显得窄、不居中，视觉割裂
std::string 截断函数要支持原地修改和返回新字符串两种模式
有些场景要复用原字符串内存（如日志缓冲区），有些则需要不可变结果（如构建 JSON）。函数接口设计上，优先提供无副作用版本，再加一个带 & 的就地裁剪重载。
C++ Code Review Master
下载
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。
std::string truncate_utf8(std::string_view s, size_t max_chars, bool with_ellipsis = true) {
if (s.size() == 0) return std::string();
size_t pos = 0;
size_t char_count = 0;
while (pos < s.size() && char_count < max_chars) {
unsigned char c = s[pos];
if ((c & 0xC0) != 0x80) char_count++; // 新字符起点
pos++;
}
if (char_count <= max_chars && pos == s.size()) return std::string(s);
std::string result = std::string(s.substr(0, pos));
if (with_ellipsis && char_count >= max_chars) {
result.pop_back(); // 移除最后一个不完整字符（如果存在）
result += "…";
}
return result;
}
- 注意
result.pop_back()只在确实超出时才执行，否则会误删合法字符 - 传入
max_chars=0要返回空串，不是崩溃或抛异常 - 输入含嵌入 NUL（
'\0'）时，std::string_view会自动截断，这是预期行为
测试时必须覆盖边界组合：ASCII / 中文 / Emoji / 控制字符
常见漏测点：Emoji 是 4 字节 UTF-8（如 ?），控制字符如 '\t'、'\n' 是单字节但不该计入显示字符数，BOM（"\xEF\xBB\xBF"）该忽略还是计入？
立即学习“C++免费学习笔记（深入）”；
- 用
"Hello世界?"测试：长度为 5（英）+ 2（中）+ 1（Emoji）= 8 字符，不能当 12 字节切 - 含
"a\tb"：制表符应算作 1 字符，但显示宽度不确定，建议截断逻辑忽略其特殊性，统一计为 1 - 输入为空格开头的字符串，如
" hello"，截断后保留前导空格——除非业务明确要求 trim
最易被忽略的是：截断后字符串的 UTF-8 完整性。哪怕只差一个字节，std::string 本身不会报错，但下游 JSON 库或 GUI 渲染器可能直接拒绝解析或显示 。
