C++判断字符串是否为合法的UTF-8编码 _ 字节序列合法性检查【干货】-C++-PHP中文网

c++oding="utf-8" ?>

utf-8字节序列合法性检查需严格遵循rfc 3629前缀规则，手动遍历并用状态机验证：识别起始字节类型后，检查续字节是否为0x80–0xbf；排除超长编码（如0xc0/c1）、越界起始（0xf5–0xff）、续字节缺失及超出u+10ffff的编码；遍历时须将char转为unsigned char避免符号扩展错误。

c++判断字符串是否为合法的utf-8编码 _ 字节序列合法性检查【干货】

UTF-8字节序列合法性检查的核心逻辑

合法UTF-8不是“能解码成Unicode”，而是“字节序列本身符合RFC 3629定义的前缀规则”。C++标准库不提供现成函数，std::string只存字节，不会自动校验——你必须手动遍历、按状态机判断每个字节是否处于正确位置。

如何逐字节验证UTF-8编码（无第三方库）

关键在于识别起始字节类型（ASCII/2字节/3字节/4字节），再检查后续字节是否为0x80–0xBF范围内的续字节。常见错误是忽略“超长编码”和“代理对禁止”这两类非法情况：

0xC0、0xC1开头的2字节序列是非法的（它们只能编码U+0000–U+007F，但ASCII已有单字节表示）
0xF5–0xFF开头的字节直接非法（UTF-8最多支持U+10FFFF，对应0xF4起始）
续字节缺失或错位（如0xE0 0x80只有两个字节，但0xE0要求跟两个续字节）
编码超出Unicode范围（如0xF4 0x90 0x80 0x80解码为U+110000，非法）

`std::string`中调用时要注意的边界问题

不能简单用for (auto c : s)，因为char可能是有符号的，导致0x80–0xFF被解释为负数，比较出错。务必把每个字节转为unsigned char再判断：

C++ Code Review Master

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。

下载

for (size_t i = 0; i (s[i]);
    if (b = s.size() || (static_cast<unsigned char>(s[i+1]) & 0xC0) != 0x80)
            return false;
        i += 2;
    } 
    // ... 其他分支同理
}</unsigned>

还要注意空字符串、嵌入\0字节（std::string允许）、以及中间截断的多字节序列——这些都算非法。