判断中文字符需按UTF-8字节规则检测：首字节在0xE0–0xEF且后续两字节均在0x80–0xBF，即为合法三字节中文字符，遍历string逐字节解析即可。
如何判断一个 char 是否属于中文字符
在 C++ 中，char 是单字节类型，无法直接表示 UTF-8 编码下的中文字符（通常占 3 字节），更不能用 iswalpha 或 std::iswalnum 直接判断——这些宽字符函数依赖 std::locale 和正确的 setlocale 设置，且输入必须是 wchar_t。直接对 char* 按字节遍历并检查高位比特，是最轻量、最可控的方式。
UTF-8 中文字符的首字节范围是 0xE0–0xEF（对应三字节字符），后续两字节均为 0x80–0xBF。只要检测到合法的 UTF-8 三字节序列开头，就可计为一个中文字符。
- 不要用
std::string::size()除以 3 估算：ASCII 混入时结果完全错误 - 不要对每个
char单独调用iswprint：未设置 locale 时行为未定义，且会把全角 ASCII、日文假名等也计入 - 若输入可能含 GBK 编码（如 Windows 控制台默认），需先明确编码；UTF-8 是现代首选，本文默认此前提
用 for 循环手动解析 UTF-8 字节流
核心逻辑是：遍历 std::string 的每个 unsigned char，根据首字节判断是否为 UTF-8 三字节中文字符开头，并跳过后续两字节。
int count_chinese(const std::string& s) {
int count = 0;
for (size_t i = 0; i < s.size(); ++i) {
unsigned char b = s[i];
if (b >= 0xE0 && b <= 0xEF) { // 可能是中文 UTF-8 首字节
if (i + 2 < s.size()) {
unsigned char b1 = s[i + 1];
unsigned char b2 = s[i + 2];
if (b1 >= 0x80 && b1 <= 0xBF && b2 >= 0x80 && b2 <= 0xBF) {
++count;
i += 2; // 跳过后续两个字节
}
}
}
}
return count;
}
这段代码不依赖外部库或 locale，适用于 C++11 及以上。注意必须用 unsigned char 强转，否则 char 在某些平台为 signed，0xE0 会被解释为负数，比较失效。
立即学习“C++免费学习笔记（深入）”；
使用 ICU 库做更严谨的 Unicode 判定
如果项目已引入 ICU（International Components for Unicode），可用 icu::UnicodeString 和 u_charType 精确识别汉字（包括扩展区、兼容汉字、部首等）：
#include <unicode/unistr.h>
#include <unicode/uchar.h>
int count_chinese_icu(const std::string& utf8) {
icu::UnicodeString ustr = icu::UnicodeString::fromUTF8(icu::StringPiece(utf8.c_str(), utf8.size()));
int count = 0;
for (int32_t i = 0; i < ustr.length(); ++i) {
UChar32 c;
ustr.next32(c, i); // 自动处理代理对
if (u_isbase(c) && u_charType(c) == U_UPPERCASE_LETTER) continue; // 排除非汉字字母
if (u_isdefined(c) && (u_charType(c) == U_OTHER_LETTER || u_charType(c) == U_LOWERCASE_LETTER)) {
// 更准的做法：查 Unicode script，但简单起见常检查 block
if (u_getIntPropertyValue(c, UCHAR_SCRIPT) == USCRIPT_HAN) {
++count;
}
}
}
return count;
}
ICU 的优势在于能区分日文平假名、韩文、汉字等 script，且支持 Unicode 最新版本。但引入 ICU 增加编译和部署复杂度，小项目不推荐仅为此功能接入。
容易忽略的边界情况
实际文本中常见干扰项，稍不注意就会多计或漏计：
-
std::string含 BOM（0xEF 0xBB 0xBF）：开头三个字节会被误判为一个中文字符 → 应先剥离 BOM - 混合 emoji（如 ? 占 4 字节）：UTF-8 四字节首字节是
0xF0–0xF7，不会与中文冲突，但若逻辑写成“非 ASCII 就计数”，就会错把 emoji 当中文 - 半宽/全宽 ASCII（如 Ａ）：属于 Unicode 全角字符，
U+FF21等，script 也是USCRIPT_LATIN，不应计入“中文字符” —— 若需求是“所有中文语境常用字符”，则需额外规则 - Windows 控制台输出乱码：不是计算问题，而是终端未启用 UTF-8（
SetConsoleOutputCP(65001)）或字体不支持，别误以为计数出错
真正难的不是写个循环，而是厘清“中文字符”的业务定义：是仅指 GB2312 覆盖字？还是 Unicode 的 CJK Unified Ideographs？是否包含异体字、康熙字典部首？这些决定了该用字节规则，还是 ICU，还是自建字表。
