std::tolower 在 UTF-8 字符串上逐字节调用会崩，因其仅支持单字节编码，而 UTF-8 多字节字符被拆解后触发未定义行为；推荐使用 ICU 库进行 Unicode 感知的 case folding，或在受限场景下用 utf8cpp 辅助查表处理。
为什么 std::tolower 在 UTF-8 字符串上直接逐字节调用会崩
因为 std::tolower 是为单字节 locale 编码（如 ASCII 或 ISO-8859-1）设计的，它把每个 char 当作一个独立字符处理。UTF-8 中一个 Unicode 字符可能占 2–4 个字节，比如 'é'（U+00E9）编码为 0xC3 0xA9，而 std::tolower(0xC3) 和 std::tolower(0xA9) 都是未定义行为——可能返回原值、负数，甚至触发 std::toupper 的 locale 断言失败。
用 std::wstring_convert + std::locale 转宽字符再比较？别用了
std::wstring_convert 在 C++17 已被弃用，且其底层依赖 std::codecvt_utf8，该类在多数标准库实现中对非 ASCII Unicode 字符的大小写转换支持极差（例如不识别德语 ß→SS、土耳其 i→İ 等）。即使能转出 std::wstring，std::tolower 对 wchar_t 的行为仍受当前 locale 影响，而系统 locale（如 "C" 或 "en_US.UTF-8"）往往不保证完整 Unicode 大小写映射。
- Linux 上
setlocale(LC_ALL, "en_US.UTF-8")后std::towlower仅对 BMP 内部分字符有效 - Windows MSVC 的
_wtoi-系函数对补充平面字符（如 ? U+1F40D）完全无响应 - 跨平台时
wchar_t宽度不一致（Linux 通常 4 字节，Windows 2 字节），无法安全假设 UTF-32
真正可行的方案：用 ICU 库做 Unicode 感知的 case folding
Unicode 标准定义了「case folding」（而非简单 toLower）作为大小写不敏感比较的基础，它处理了语言特例（如土耳其语、希腊语）、合字（ß→ss）、以及大小写映射的可逆性问题。ICU（International Components for Unicode）是目前 C++ 生态中唯一成熟、跨平台、持续更新的实现。
安装后（Linux: libicu-dev；macOS: brew install icu4c；Windows: vcpkg icu），核心逻辑如下：
立即学习“C++免费学习笔记（深入）”；
#include <unicode/unistr.h>
#include <unicode/ucol.h>
bool caseInsensitiveEqual(const std::string& a, const std::string& b) {
icu::UnicodeString ua = icu::UnicodeString::fromUTF8(a);
icu::UnicodeString ub = icu::UnicodeString::fromUTF8(b);
ua.foldCase(); // Unicode 标准 case folding
ub.foldCase();
return ua == ub;
}
- 必须用
icu::UnicodeString::fromUTF8解析原始字节，不能用icu::UnicodeString(a.c_str())（那会按 locale 解码） -
foldCase()比toLower()更适合比较，因它专为等价性设计（例如处理德语 ß、希腊语 Σ 的词尾变体） - 若需排序而非相等判断，应使用
icu::Collator，而非自己拼接foldCase结果
轻量替代：只处理 ASCII + 常见拉丁扩展（无 ICU 依赖）
如果项目明确只涉及西欧语言（不含土耳其语、立陶宛语等特殊规则），且能接受不覆盖所有 Unicode 边界情况，可用 utf8cpp 库辅助逐码点处理：
#include <utf8.h>
#include <unicode/case.h> // 自己实现的简易映射表
std::string utf8_fold_case(const std::string& s) {
std::string out;
utf8::iterator<std::string::const_iterator> it(s.begin(), s.begin(), s.end());
while (it != utf8::iterator<std::string::const_iterator>(s.end())) {
uint32_t cp = *it++;
uint32_t folded = simple_fold_case(cp); // 查表：{0x00E9 → 0x00E9, 0x00C9 → 0x00E9, 0x0141 → 0x0142, ...}
utf8::append(folded, back_inserter(out));
}
return out;
}
- 查表逻辑必须包含至少 Latin-1 Supplement（U+0080–U+00FF）和 Latin Extended-A（U+0100–U+017F）
- 不能忽略组合字符（如
e\u0301“e + 重音符” 应与é等价），但纯查表方案通常不处理归一化 - 这种方案性能尚可，但一旦遇到德语 ß、希腊语、格鲁吉亚字母等，结果就不可靠
