std::string::size() 返回字节数而非字符数，因 UTF-8 为变长编码；需统计首字节（0xxxxxxx、110xxxxx 等）得到真实字符数，推荐用 unsigned char 遍历判断，避免 std::codecvt_utf8 等弃用方案。
为什么 std::string::size() 不能直接当字符数用
因为 UTF-8 是变长编码：ASCII 字符占 1 字节，中文、emoji 等通常占 3 或 4 字节。调用 s.size() 返回的是字节数，不是 Unicode 码点个数。比如字符串 "你好" 在 UTF-8 下是 6 字节，但只有 2 个字符。
用 std::u8string + std::count_if 判断首字节最稳妥
UTF-8 编码有明确的首字节规则：0xxxxxxx（1 字节）、110xxxxx（2 字节首）、1110xxxx（3 字节首）、11110xxx（4 字节首）。只要统计这些“首字节”数量，就是字符个数。
实操建议：
- 确保输入是合法 UTF-8（否则统计无意义，可先用轻量校验）
- 用
unsigned char遍历，避免符号扩展干扰判断 - 检查首字节：(
byte & 0b10000000) == 0 → ASCII；(byte & 0b11100000) == 0b11000000 → 2 字节首；以此类推
示例片段：
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。
立即学习“C++免费学习笔记（深入）”；
int utf8_char_count(const std::string& s) {
int count = 0;
for (unsigned char b : s) {
if ((b & 0b10000000) == 0) count++; // 0xxxxxxx
else if ((b & 0b11100000) == 0b11000000) count++; // 110xxxxx
else if ((b & 0b11110000) == 0b11100000) count++; // 1110xxxx
else if ((b & 0b11111000) == 0b11110000) count++; // 11110xxx
}
return count;
}
别依赖 std::codecvt_utf8 —— 它在 C++17 被弃用且不可靠
很多老教程推荐用 std::wstring_convert + std::codecvt_utf8 转成 wchar_t 再算长度，但问题很多：
-
std::codecvt_utf8在 C++17 标准中标记为 deprecated，GCC/Clang 新版本默认不启用 -
wchar_t在 Windows 是 UTF-16，在 Linux 通常是 32 位，转码行为不一致 - 遇到代理对（surrogate pair）或未配对的 UTF-16 单元时容易出错
需要更健壮？用 ICU 或 utf8cpp 库
自己手写首字节计数够用，但如果要处理错误恢复、BOM、组合字符（如带重音的 é）、或验证合法性，别硬刚：
-
utf8cpp（header-only）提供utf8::distance，内部做完整 UTF-8 解码和校验 - ICU 的
u_strlen()+u_strToUTF8()更重，但支持国际化边界分析（如按用户感知的“字”切分） - 注意：所有第三方库都要求输入是合法 UTF-8；若来源不可控，先做一次轻量校验（比如检查是否有多余的 continuation 字节）
真正容易被忽略的点是：你拿到的 std::string 是否真的存的是 UTF-8？如果来自文件读取、网络响应或用户输入，得确认编码来源，而不是默认它合规。否则计数结果可能在某些边缘 case（如截断的 emoji）上完全错乱。
