C++如何实现字符串的逻辑大小写比较（完全适配UTF-8多字节字符集）-C++-PHP中文网

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

std::tolower在utf-8字符串上会崩，因其将多字节utf-8字符误作独立ascii字节处理，导致乱码或非法序列；标准库无可靠unicode大小写转换支持，需先utf-8解码、归一化、全折叠、再编码。

c++如何实现字符串的逻辑大小写比较（完全适配utf-8多字节字符集）

为什么 `std::tolower` 在 UTF-8 字符串上会崩？

直接对 UTF-8 字节流调用 std::tolower（或 std::toupper）是危险的：它把每个字节当 ASCII 处理，而 UTF-8 的多字节字符（如 é、中文、α）会被拆成多个独立字节，各自转大小写，结果不是乱码就是非法序列。比如 "café" 中的 é（UTF-8 编码为 0xc3 0xa9）会被错当成两个 Latin-1 字符处理，输出不可逆。

用 `std::locale` + `std::codecvt_utf8`？别试了

std::codecvt_utf8 在 C++17 被标记为 deprecated，C++20 彻底移除；std::locale 的 facet（如 std::use_facet<:ctype>></:ctype>）虽支持 Unicode，但标准库不保证 UTF-8 与 char32_t 的转换正确性，且 Linux/macOS 的 glibc/libc++ 实现常返回空 locale 或静默失败。实测中 std::toupper('é', std::locale("")) 可能返回原值或 0，毫无可移植性。

真正靠谱的做法：先 UTF-8 解码 → char32_t → case fold → UTF-8 编码

逻辑大小写比较（case-insensitive comparison）本质是“case folding”，不是简单转小写。Unicode 规范要求使用 full case fold（如 ß → ss，İ → i̇），而 C++ 标准库完全不提供此能力。必须依赖成熟 Unicode 库：

C++

"空空如也"

下载

推荐 ICU（icu::UnicodeString::caseCompare + UNORM_NFC 归一化），但体积大、编译复杂
轻量级首选 utf8cpp + 手动查表：用 utf8::next() 解码为 char32_t，再查 Unicode CaseFolding.txt 生成的映射表（注意包含 status = C 行，即 full case fold）
若仅需 ASCII + 基本拉丁扩展（如西欧语言），可用 libiconv + iconv("UTF-8", "UTF-32LE") 解码，再用 ICU-lite 或自建折叠表

示例关键步骤（伪代码）：

std::string fold_case(const std::string& s) {
    std::u32string u32;
    utf8::utf8to32(s.begin(), s.end(), std::back_inserter(u32));
    std::u32string folded;
    for (char32_t cp : u32) {
        auto it = case_fold_map.find(cp);
        if (it != case_fold_map.end()) {
            for (char32_t f : it->second) folded.push_back(f);
        } else {
            folded.push_back(cp);
        }
    }
    std::string out;
    utf8::utf32to8(folded.begin(), folded.end(), std::back_inserter(out));
    return out;
}
// 比较时：fold_case(a) == fold_case(b)

别忽略 normalization（归一化）这步

同一个字符可能有多种 UTF-8 表示：比如 "ñ" 可以是单个预组字符 U+00F1，也可以是 U+006E + U+0303（n + 组合波浪符）。case folding 前必须做 NFC 归一化，否则 fold_case("n\u0303") 和 fold_case("\u00f1") 结果不同。ICU 提供 unorm_normalize()；轻量方案可用 ICU 的开源 normalization 表或 utf8proc 库（utf8proc_decompose + utf8proc_recombine）。