大家好， 今天我来写点东西，是关于C语言怎么处理中文字符串的长度还有wchar_t和多字节编码转换的。这个东西其实挺麻烦的，主要原因是C语言对中文支持不是很好，特别是老版本的C标准库。所以我们要用一些特殊的方法来处理。

1. 什么是字符串长度？

先说说我们要知道，C语言里面字符串的长度不是字符数，而是字节数。比如你用strlen函数，它返回的是字节数，不是字符数。所以如果你的字符串是UTF-8编码的， 我血槽空了。 一个中文字符是3个字节，那strlen返回的长度就是3的倍数，但不是字符数。所以你不能直接用这个长度来判断中文字符数。

比如一个中文字符“中”， 在UTF-8里是3个字节，但你用strlen返回的是3，不是1。所以你得自己写函数来数字符数，不能直接用strlen，我狂喜。。

2. 用wchar_t处理中文字符

在C语言里 wchar_t是处理宽字符的类型，可以用来处理中文字符。但是wchar_t的大小在不同平台不一样。Windows下是2字节， 牛逼。 Linux和Mac下是4字节。所以你不能随便用wchar_t来处理中文，主要原因是编码不一样。

比如在Windows下 wchar_t是UTF-16编码，而在Linux下是UTF-32编码。所以你要注意平台。

3. 多字节编码转换

瞎扯。 在处理中文的时候，你得把多字节编码转换成wchar_t。这个过程要用到mbstowcs函数。但是这个函数的行为是依赖当前locale的。如果你不设置对locale，转换会出错或者乱码。所以你得先设置好locale。

比如在Linux下你可以用setlocale来设置UTF-8编码。在Windows下你可以用setlocale来设置GBK编码。这个设置很重要，不然你用mbstowcs会出错。

4. 计算中文字符数

这玩意儿... 在C语言里 strlen返回的是字节数，不是字符数。所以你要自己写函数来计算字符数。比如你可以用std::mbrtowc函数来计算UTF-8字符数。这个函数会把多字节字符串转换成wchar_t然后返回字符数。这个函数比全量转std::wstring更轻量，也避开了locale依赖。

比如你可以用下面这个函数来计算UTF-8字符数：

size_t utf8_char_count {
    if  return 0;
    size_t count = 0;
    mbstate_t state = {};
    const char* p = s;
    while  {
        wchar_t wc;
        size_t r = std::mbrtow2;
        if  || r == static_cast) break;
        if  {
            count++;
            p += r;
        } else {
            p++;
        }
    }
    return count;
}

冲鸭！ 注意：MB_CUR_MAX在UTF-8环境下是4， 但实际中文最多3字节；mbrtowc要求state初始化为零，否则多字节字符跨调用会出错。

5. 用Boost库处理UTF-8

如果你的项目已经用了Boost库，你可以用utf8::distance函数来计算UTF-8字符数。这个函数更健壮， 可以避免自己实现UTF-8解析逻辑时容易遗漏的边界情况，比如BOM判断、代理对、超长编码、空字符嵌入等，太水了。。

真正容易被忽略的点是：字符串是否以null？是否含嵌入的\0？boost::text::utf8_length？\0和mbrtowc都按首个utf8::distance截断，生产环境需先确认数据来源可信，行吧...。

6. 多字节字符串转wchar_t*的错误

把多字节字符串直接reinterpret_cast成wchar_t*是常见错误。主要原因是Windows默认wchar_t是UTF-16， Linux/macOS通常是UTF-32，但std::mbstowcs行为依赖当前locale。不设对locale，转换会失败或乱码。

主要原因是std::string是字节容器， .length返回的是字节数，不是字符数。UTF-8编码下一个中文字符占3字节，而GBK下占2字节。直接用它当“字符长度”会出错，尤其在截断、对齐、UI显示等场景，在我看来...。

7. 用std::u8string处理UTF-8

站在你的角度想... std::u8string语义上明确是UTF-8字符串，但标准库仍未提供原生字符计数函数。目前最稳妥的做法仍是：

8. std::mbrtowc是平安计算UTF-8字符数的底层方法

它逐字节解析UTF-8序列， 返回每个字符对应的wchar_t宽度，适合手动计数。比全量转std::wstring更轻量，也避开了locale依赖，探探路。。

9.

在C语言里处理中文字符串的时候，要注意字符编码的问题。你不能直接用strlen来计算字符数，要用专门的函数来处理。比如你可以用std::mbrtowc来计算UTF-8字符数。 绝绝子... 这个函数会把多字节字符串转换成wchar_t然后返回字符数。这个函数比全量转std::wstring更轻量，也避开了locale依赖。

在处理中文字符串的时候，你得注意字符编码的问题。比如UTF-8编码下一个中文字符占3字节，而GBK下占2字节。所以你不能直接用std::string.length来判断字符数。你得用专门的函数来处理，弯道超车。。

探探路。 在C语言里 std::string是字节容器，.length返回的是字节数，不是字符数。所以你不能直接用它来判断字符数。你得用专门的函数来处理。

乱弹琴。 比如你可以用std::mbrtowc来计算字符数。这个函数会把多字节字符串转换成wchar_t然后返回字符数。这个函数比全量转std::wstring更轻量，也避开了locale依赖。