C++如何删除字符串中所有的零宽度空格-C++-PHP中文网

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

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。

c++如何删除字符串中所有的零宽度空格

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 <p>注意：<code>0xE2 0x80 0x8B</code> 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。</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill2659" title="C++"><img
														src="https://img.php.cn/upload/skill/000/000/081/178927213426672.jpg" alt="C++" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill2659" title="C++" class="overflowclass">C++</a>
													<p class="overflowclass">"空空如也"</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill2659" title="C++" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><h3>用正则表达式删？小心跨平台和编码陷阱</h3><p>C++11 的 <code>std::regex</code> 对 Unicode 支持极弱，<code>std::regex_replace(s, std::regex("\u200B"), "")</code> 在多数编译器（如 libstdc++、MSVC）中根本无法匹配 UTF-8 编码的 ZWSP，因为：</p>

\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<:string::const_iterator> it(s.begin(), s.begin(), s.end());
    utf8::iterator<: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;
}
</:string::const_iterator></:string::const_iterator>

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。