我在C ++中阅读了一些关于字符串和字符编码最佳实践的帖子，但我在寻找一种似乎相当简单和正确的通用方法时遇到了一些困难。我可以就以下问题征询意见吗？我倾向于使用UTF-8和UTF-32，并定义类似的东西：
typedef std::string string8;
typedef std::basic_string<uint32_t> string32;
string8类将用于UTF-8，并且具有单独的类型只是提醒编码。另一种方法是将string8作为std :: string的子类，并删除不适合UTF-8的方法。
当需要固定字符大小时，string32类将用于UTF-32。
UTF-8 CPP函数utf8 :: utf8to32（）和utf8 :: utf32to8（），或者更简单的包装函数，将用于在两者之间进行转换。
答案 0 :(得分：10)
如果你打算只是传递字符串并且从不检查它们，你可以使用普通的std::string虽然这是一个穷人的工作。
问题在于，大多数框架，甚至是标准，都在内存中愚蠢地（我认为）强制编码。我说愚蠢，因为编码应该只对接口有影响，而那些编码不适合内存中的数据操作。
此外，编码很容易（它是一个简单的转码CodePoint - >字节和反向），而主要的困难实际上是操纵数据。
对于8位或16位，您可能会在中间剪切字符，因为std::string和std::wstring都不知道Unicode字符是什么。更糟糕的是，即使使用32位编码，也存在将字符与适用于它的变音符号分开的风险，这也是愚蠢的。
因此，就标准而言，C ++中Unicode的支持非常低。
如果您真的希望操纵Unicode字符串，则需要一个支持Unicode的容器。通常的方法是使用ICU库，尽管它的界面实际上是C-ish。但是，您将获得使用多种语言实际使用Unicode所需的一切。
答案 1 :(得分：1)
所描述的特征方法here可能会有所帮助。这是一种古老但有用的技术。
答案 2 :(得分：1)
没有指定必须为字符串，wstring等使用什么字符编码。常见的方法是在宽字符串中使用unicode。应使用哪些类型和编码取决于您的要求。
如果您只需要将数据从A传递给B，请选择带有UTF-8编码的std :: string（不要引入新类型，只需使用std :: string）。如果必须使用字符串（extract，concat，sort，...），请选择std :: wstring，并在Windows上编码UCS2 / UTF-16（仅限BMP），在Linux上编辑UCS4 / UTF-32。 好处是固定大小：每个字符的大小为2（对于UCS4为4），而带有UTF-8的std :: string返回错误的length（）结果。
对于转换，您可以检查sizeof（std :: wstring :: value_type）== 2或4以选择UCS2或UCS4。我正在使用ICU库，但可能有简单的包装库。
不建议从std :: string派生，因为basic_string不是为（缺少虚拟成员等）而设计的。如果你真的真的需要你自己的类型，比如std :: basic_string＆lt; my_char_type＆gt;为此写一个自定义专业。
新的C ++ 0x标准定义了wstring_convert＆lt;＆gt;和wbuffer_convert＆lt;＆gt;使用std :: codecvt从窄字符集转换为宽字符集（例如UTF-8到UCS2）。 Visual Studio 2010已经实现了这个，afaik。