C++如何将字符串从UTF-16转换为UTF-8-C++-PHP中文网

windows首选widechartomultibyte(cp_utf8,0,src,-1,nullptr,0,nullptr,nullptr)转utf-8，需两次调用；linux/macos禁用已弃用的std::codecvt_utf8_utf16，改用iconv或utf8cpp；跨平台应使用char16_t而非wchar_t并注意字节序。

c++如何将字符串从utf-16转换为utf-8

Windows上用`WideCharToMultiByte`转换UTF-16到UTF-8最直接

Windows API 的 WideCharToMultiByte 是处理本地 UTF-16（即 wchar_t*）转 UTF-8 的首选，它不依赖第三方库，且能正确处理代理对（surrogate pairs）和 BOM。关键在于指定 CP_UTF8 作为代码页，并把 dwFlags 设为 0（避免加 BOM）。

输入必须是合法的 UTF-16 编码：wchar_t* 指向以 L'\0' 结尾的宽字符串
调用两次：第一次传 NULL 获取目标缓冲区大小（单位是字节），第二次填入目标缓冲区
如果源字符串含非法代理对（如高位代理后无低位代理），WideCharToMultiByte 默认返回 0 并设 GetLastError() 为 ERROR_NO_UNICODE_TRANSLATION

示例片段：

int size = WideCharToMultiByte(CP_UTF8, 0, src, -1, nullptr, 0, nullptr, nullptr);<br>std::string utf8(size, '\0');<br>WideCharToMultiByte(CP_UTF8, 0, src, -1, &utf8[0], size, nullptr, nullptr);

Linux/macOS下用`std::codecvt_utf8_utf16`已弃用，改用`std::wstring_convert`也不推荐

C++11 引入的 std::codecvt_utf8_utf16 和配套的 std::wstring_convert 在 C++17 中被标记为 deprecated，C++20 彻底移除。它们在 GCC/Clang 上行为不一致，且无法处理非 BMP 字符（U+10000 及以上）的代理对——会静默截断或崩溃。

别再写 std::wstring_convert<:codecvt_utf8_utf16>></:codecvt_utf8_utf16>，编译器可能报错或运行时出错
POSIX 系统更可靠的做法是用 iconv：打开 "UTF-16LE" 到 "UTF-8" 的转换描述符，注意字节序——Windows 的 UTF-16 通常是小端，但若输入带 BOM，需先跳过或检测
iconv 要求输入是 char*，所以得把 wchar_t* 先按字节 reinterpret_cast 成 char*，长度乘 2

跨平台方案：用`utf8cpp`或手动遍历UTF-16码元

轻量级、头文件-only 的 utf8cpp（utf8.h）能安全处理 UTF-16 → UTF-8，且明确支持代理对。它不依赖系统 API，适合嵌入式或跨平台项目。

C++

"空空如也"

下载

核心函数是 utf8::utf16to8，接受 std::vector<uint16_t></uint16_t> 或 std::u16string（C++11 起），输出 std::string
它内部检查高位代理（0xD800–0xDBFF）后是否紧跟低位代理（0xDC00–0xDFFF），否则按单个码元处理，避免乱码
如果你不想引入外部头文件，可以手写转换逻辑：遍历 uint16_t 序列，遇到高位代理就组合成 Unicode code point，再用标准 UTF-8 编码规则生成字节序列（U+0000–U+007F → 1 byte；U+0080–U+07FF → 2 bytes；U+0800–U+FFFF → 3 bytes；U+10000–U+10FFFF → 4 bytes）
手写时最容易漏掉的是：高位代理单独出现时应编码为 U+FFFD（REPLACEMENT CHARACTER），而不是跳过或崩溃

常见错误：把`wchar_t`长度当字节数，或忽略字节序

wchar_t 在 Windows 是 16 位，在 Linux/macOS 通常是 32 位——这意味着你不能直接把 wchar_t* 当 UTF-16 处理。如果代码要跨平台，必须明确输入是 UTF-16 编码的 char16_t* 或 uint16_t*，而不是 wchar_t*。

错误写法：std::string s(reinterpret_cast<const char>(wstr.c_str()), wstr.size() * sizeof(wchar_t))</const> —— 这只是二进制复制，不是编码转换
如果输入是文件读取的 UTF-16 数据，务必检查前两个字节是否为 0xFF 0xFE（LE BOM）或 0xFE 0xFF（BE BOM），并据此调整字节序，否则代理对会被拆散
用 std::u16string 替代 std::wstring 表达“UTF-16 字符串”，语义更清晰，也避免平台差异干扰

实际转换中最容易被忽略的，是输入数据的真实编码意图和字节序一致性——哪怕函数调用看起来成功，只要源数据没按预期解码，结果就是不可逆的乱码。