C++如何删除字符串中所有的非法UTF-8编码

小浩大大_6550

小浩大大_6550

2026-09-15

954人浏览

原创

非法UTF-8编码指不符合UTF-8字节序列规范的字节组合,如0xC0 0x00(过短2字节序列)、0xF5...(超U+10FFFF)、0x80(孤立尾随字节)等;C++不校验std::string合法性,需手动检测过滤,常用逐字节状态机方式识别并跳过非法起始或中断序列。

c++如何删除字符串中所有的非法utf-8编码

什么是非法UTF-8编码?

非法UTF-8编码指不符合UTF-8字节序列规范的字节组合,比如:0xC0 0x00(过短的2字节序列)、0xF5 0x00 0x00 0x00(超出Unicode码点范围的4字节序列)、0x80(孤立的尾随字节)等。C++标准库不校验std::string内容是否合法UTF-8,所以必须手动检测并剔除。

用循环+状态机逐字节检测并过滤

最直接可靠的方式是遍历每个字节,用有限状态机判断当前是否处于合法UTF-8序列中。遇到非法起始字节或中途断开,就跳过该字节(即不复制到结果中)。

关键逻辑:

  • 以0x00–0x7F开头 → 单字节ASCII,合法
  • 以0xC2–0xDF开头 → 2字节序列,后续1字节需为0x80–0xBF
  • 以0xE0开头 → 后续2字节需为0xA0–0xBF、0x80–0xBF(排除0xE0 0x80等代理区)
  • 以0xED开头 → 后续2字节需为0x80–0x9F、0x80–0xBF(防止高位代理)
  • 以0xF0开头 → 后续3字节需为0x90–0xBF×3(排除超U+10FFFF)
  • 以0xF4开头 → 后续3字节需为0x80–0x8F、0x80–0xBF×2(上限U+10FFFF)
  • 其他起始字节(如0xC0、0xFE)→ 直接视为非法

示例核心逻辑(C++17):

C++14
C++14

C++14 对 C++11 的修正与增强版本,适合旧系统维护和较老工具链兼容。

下载
std::codecvt_utf8
  • 传入含0xC0 0x00的字符串给std::wstring_convert<:codecvt_utf8>> → 抛std::range_error或崩溃
  • 用std::codecvt_utf8处理非Windows环境 → 宽字符宽度不确定(Linux下wchar_t是32位但语义不保证UTF-32)

性能与边界注意事项

纯字节扫描比任何基于std::mbstowcs或第三方库(如ICU)的方案更快,且无依赖。但要注意:

  • 不要在循环中反复调用s.at(i)——它带边界检查,拖慢2倍以上;用s[i]并自己控制索引
  • 预留out.reserve(s.size())避免多次内存重分配
  • 若原始字符串可能含NUL(\0),确保使用std::string构造函数明确长度,而非C风格字符串接口
  • 该方法只删除非法字节,不修复——比如把0xC0 0x00删成空,不会替换成U+FFFD(替换需要额外逻辑)

真正棘手的地方在于:UTF-8合法性检查必须严格区分“超长编码”(如0xC0 0x80表示U+0000,但违反规范)和“越界码点”(如0xF4 0x90 0x00 0x00),这两类都得剔除,漏判一种就会导致后续解析出错。

C++免费学习笔记(深入):立即使用
在学习笔记中,你将探索 C++ 的入门与实战技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
c++和c语言的区别有哪些
c++和c语言的区别有哪些

c++和c语言的区别:1、面向对象编程(OOP)支持不同;2、新增特性不同;3、标准库不同;4、编译方式不同;5、命名空间不同等等。想了解更多c++的相关内容,可以阅读本专题下面的文章。

2024.03.14

2308

9

c++和python学习顺序推荐
c++和python学习顺序推荐

一般建议先学习C++,再学习Python,因为这样可以逐步从较为底层的编程语言向更高级的语言过渡。想了解更多python的相关内容,可以阅读本专题下面的文章。

2024.03.14

1059

6

python和c++学习性价比分析
python和c++学习性价比分析

Python易于学习,广泛应用于Web开发、数据科学和人工智能等领域,但性能较低。C语言性能高,适用于对性能要求较高的场景,如游戏开发和系统编程,但学习曲线陡峭,错误处理复杂。想了解更多python的相关内容,可以阅读本专题下面的文章。

2024.03.14

467

5

c语言和c++一样吗
c语言和c++一样吗

c语言和c++是两种不同的编程语言,虽然有相似之处,但存在显著差异。c语言专注于过程式编程和系统级开发,以简洁、高效著称。c++作为c语言的超集,引入了面向对象编程,增强了代码组织和管理能力,但学习曲线也更陡峭。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2024.03.14

347

5

c语言和c++先学哪个好
c语言和c++先学哪个好

初学者选择学习c语言还是c++语言,需要根据个人学习目标、背景以及编程兴趣和预期应用方向来决定。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2024.03.14

446

5

c语言和c++的区别和联系
c语言和c++的区别和联系

c语言和c++是计算机科学领域应用广泛的编程语言。虽然它们有着相似的基础,但它们在语言类型、语法功能和内存管理方面存在着显著差异。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2024.03.14

600

5

c++软件中文更改教程
c++软件中文更改教程

对于 ide,可通过打开设置,找到语言设置,选择中文,并保存更改。对于非 ide 应用程序,可查找设置或选项,选择语言设置,更改为中文,并保存更改。想了解更多c++的相关内容,可以阅读本专题下面的文章。

2024.03.21

1449

9

python和java和c++学习性价比分析
python和java和c++学习性价比分析

Python以其易学性、丰富的库和活跃的社区而著称,适合数据科学、人工智能和Web开发。Java以其跨平台性、企业级应用开发和Android应用开发而闻名。C++以其底层控制能力、高效性能和游戏开发而著称。选择哪种语言取决于个人兴趣、职业方向和特定需求。想了解更多python和java和c++的相关内容,可以阅读本专题下面的文章。

2024.03.22

1257

7

c++和c语言学习顺序推荐
c++和c语言学习顺序推荐

对于初学者,建议先学习C语言,掌握编程基础后再转入C++,便于理解面向对象编程概念。有编程经验者可直接学习C++,快速接触高级编程技术。想了解更多c++和c语言的相关内容,可以阅读本专题下面的文章。

2024.03.25

1345

9

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
C++ Core Guidelines
C++ Core Guidelines

共0课时 | 0人学习

C++ Reference
C++ Reference

共0课时 | 0人学习

C++ 官方标准说明
C++ 官方标准说明

共0课时 | 0人学习