C++如何获取UTF-8字符串的字符数（非字节数）-C++-PHP中文网

std::string::length() 返回字节数而非字符数，因utf-8中汉字、emoji等占2~4字节；c++17起std::wstring_convert和std::codecvt_utf8已被弃用；推荐手动遍历识别utf-8首字节模式计数。

c++如何获取utf-8字符串的字符数（非字节数）

为什么 `std::string::length()` 不能直接当字符数用

因为 std::string 存的是字节序列，UTF-8 中一个汉字、emoji 或某些符号占 2~4 字节，length() 返回的是总字节数，不是“人眼看到的字符个数”。比如 "?‍?"（程序员 emoji）实际是 7 个字节，但算作 1 个 Unicode 码位（更准确说是 1 个 grapheme cluster，但多数场景按码位计就够用）。

用 `std::wstring_convert` + `std::codecvt_utf8`？别用了

这两个在 C++17 被标记为 deprecated，C++20 彻底移除。强行用会编译警告，且在 GCC/Clang 新版本上默认不启用，链接还可能失败。不是“过时但能跑”，而是“明确不推荐、不可靠”。

轻量方案：手动遍历 UTF-8 字节，识别首字节模式

UTF-8 编码有明确规则：首字节决定该字符占几个字节。只需检查每个字节的高位模式，跳过后续字节即可计数。不需要第三方库，也不依赖 locale。

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

0xxxxxxx → ASCII，1 字节
110xxxxx → 2 字节字符，后面 1 个 continuation byte（10xxxxxx）
1110xxxx → 3 字节字符，后面 2 个 continuation byte
11110xxx → 4 字节字符，后面 3 个 continuation byte
其他值（如 10xxxxxx、11111xxx）是非法 UTF-8，可按 1 字节错误处理（或跳过）

示例代码：

int utf8_char_count(const std::string& s) {
    int count = 0;
    for (size_t i = 0; i 

<h3>需要精确 grapheme cluster（如带修饰符的 emoji）？得用 ICU 或 Boost.Text</h3>
<p>上面的方法统计的是 Unicode 码位（code points）数量。但像 <code>"?‍?"</code> 是由多个码位（man + zero-width joiner + laptop）组合成的单个视觉字符（grapheme cluster），普通遍历无法识别。这种需求极少出现在命令行工具或配置解析中，多见于富文本编辑器或国际化 UI。</p>