零宽空格（ZWSP，U+200B）是Unicode中不可见、不占位的控制字符，UTF-8编码为0xE2 0x80 0x8B三字节；C++中需按UTF-8字节序列识别删除，不能用单字节erase或isspace处理。
什么是零宽度空格（ZWSP）及其在 C++ 中的表现
零宽度空格（Zero-Width Space，U+200B）是 Unicode 中一个不可见、不占位的控制字符。它不会被 cout 打印，也不会在 std::string::length() 中“显形”为可见空格，但会真实存在于字符串中，干扰比较、哈希、正则匹配或网络传输。
C++ 标准库本身不提供“按 Unicode 字符类别过滤”的内置函数，std::string 是字节序列，不是字符序列——这意味着 UTF-8 编码下的 U+200B 会占 3 个字节：0xE2 0x80 0x8B。直接用 erase(remove(...), end()) 按单字节删会出错（比如误删其他 UTF-8 字节）。
安全删除：按 UTF-8 编码识别并跳过 ZWSP 字节序列
最稳妥的方式是遍历 UTF-8 字节流，识别出完整的 U+200B 编码（固定为 0xE2 0x80 0x8B），仅当这三字节连续出现时才跳过。
- 不依赖 ICU 或 Boost.Locale，纯标准 C++11 及以上可用
- 避免将 UTF-8 多字节当作单字节处理（例如不能用
find(' ') + erase） - 适用于所有以 UTF-8 存储的
std::string（Linux/macOS 默认，Windows 控制台需额外设置）
std::string remove_zwsp(const std::string& s) {
std::string out;
out.reserve(s.size());
for (size_t i = 0; i < s.size(); ) {
if (i + 2 < s.size() &&
(unsigned char)s[i] == 0xE2 &&
(unsigned char)s[i+1] == 0x80 &&
(unsigned char)s[i+2] == 0x8B) {
i += 3; // 跳过 ZWSP
} else {
out += s[i++];
}
}
return out;
}
注意：0xE2 0x80 0x8B 是小端机器上内存中的字节顺序（UTF-8 编码固定，与 CPU 字节序无关），该判断在所有平台都成立。
立即学习“C++免费学习笔记（深入）”；
用正则表达式删？小心跨平台和编码陷阱
C++11 的 std::regex 对 Unicode 支持极弱，std::regex_replace(s, std::regex("\u200B"), "") 在多数编译器（如 libstdc++、MSVC）中根本无法匹配 UTF-8 编码的 ZWSP，因为：
-
\u200B在源文件中若保存为 UTF-8，会被编译器解释为 3 字节字面量，但std::regex不按 UTF-8 解码，而是逐字节匹配 - Clang libc++ 有部分改进，但行为不一致，不推荐用于生产
如果坚持用正则，必须确保：
- 源码文件以 UTF-8 无 BOM 保存
- 正则模式字符串也以 UTF-8 字面量写出：
std::regex(R"(\xE2\x80\x8B)") - 仍需验证目标平台 regex 引擎是否支持字节级匹配（实际测试发现 GCC 12+ libstdc++ 仍不支持）
更通用的做法：用第三方 UTF-8 工具库（如 utf8cpp）
若项目已引入或可接受轻量依赖，utf8cpp（头文件 only）能正确按 Unicode 码点迭代：
#include "utf8.h"
std::string remove_zwsp_utf8cpp(const std::string& s) {
std::string out;
utf8::iterator<std::string::const_iterator> it(s.begin(), s.begin(), s.end());
utf8::iterator<std::string::const_iterator> end(s.end(), s.begin(), s.end());
for (; it != end; ++it) {
if (*it != 0x200B) {
utf8::append(*it, back_inserter(out));
}
}
return out;
}
这个方案真正“按字符删”，能同时处理其他零宽字符（如 U+2060、U+FEFF），但多一次 UTF-8 编解码开销，且需确保输入确实是合法 UTF-8（否则 utf8::iterator 可能抛异常）。
真正容易被忽略的是：你得先确认字符串里确实存在 ZWSP，而不是你以为的普通空格或 \u00A0（不间断空格）。用十六进制查看器（如 xxd 或 VS Code 的 “Hex Editor” 扩展）检查原始字节，比凭感觉调试快十倍。
