使用wstring_convert转换TTF字体Name ID19字符串时崩溃问题

尝试对seguiemj.ttf字体“name”表中Name ID 19指向的字符串进行编码转换操作，其他字符串处理均正常，但运行提供的C++代码时，converterUtf8.to_bytes(u16str)代码段发生崩溃，希望了解该问题的原因。

提供的代码如下：

#include <iostream>
#include <vector>
#include <string>
#include <cstring>
#include <codecvt>
#include <memory>
#include <locale>
#include <utility>

int main()
{
    std::vector<unsigned char> data = {
        0xD8, 0x3D, 0xDE, 0x02, 0xD8, 0x3D, 0xDE, 0x0D, 0xD8, 0x3D, 0xDE, 0x2D, 0xD8, 0x3D, 0xDC, 0x81,
        0xD8, 0x3D, 0xDC, 0x4D, 0xD8, 0x3D, 0xDC, 0x8B, 0xD8, 0x3D, 0xDC, 0x31, 0xD8, 0x3E, 0xDD, 0x89,
        0xD8, 0x3C, 0xDF, 0x3A, 0xD8, 0x3C, 0xDF, 0x32, 0xD8, 0x3C, 0xDF, 0x53, 0xD8, 0x3C, 0xDF, 0x55,
        0xD8, 0x3C, 0xDF, 0x82, 0xD8, 0x3C, 0xDF, 0xF0, 0xD8, 0x3C, 0xDF, 0xE0, 0xD8, 0x3D, 0xDE, 0x84,
        0xD8, 0x3D, 0xDE, 0x92, 0xD8, 0x3D, 0xDE, 0xEB, 0xD8, 0x3D, 0xDE, 0xCD
    };

    std::cout << data.size() << std::endl;

    std::wstring_convert<std::codecvt_utf16<char16_t>, char16_t> converter;
    const std::u16string u16str = converter.from_bytes(
        reinterpret_cast<const char*>(data.data()),
        reinterpret_cast<const char*>(data.data() + data.size())
    );

    std::wstring_convert<std::codecvt_utf8_utf16<char16_t>, char16_t> converterUtf8;
    std::string nameString = converterUtf8.to_bytes(u16str);

    std::cout << nameString << std::endl;
    return 0;
}

崩溃原因分析 #

• 无效UTF-16序列触发转换错误：
  你提供的data字节数组中，所有数据都是UTF-16的高代理项（比如0xD83D、0xD83C这类），但没有对应的低代理项。std::codecvt_utf16<char16_t>的from_bytes方法仅做简单的字节转char16_t操作，不会校验序列合法性；但std::codecvt_utf8_utf16<char16_t>的to_bytes要求输入必须是合法的UTF-16序列——要么是单个BMP范围内的字符，要么是成对的高+低代理项。单独的高代理项属于非法序列，转换时会触发内部断言或未定义行为，直接导致程序崩溃。

• 字体Name ID 19的特殊存储规则：
  seguiemj.ttf是微软的emoji专用字体，其Name ID 19的字符串并非标准UTF-16编码，而是存储了emoji字符对应的UTF-16高代理项的单独部分。这种存储是字体内部的特殊设计，不遵循通用UTF编码规范，标准编码转换工具无法处理这类非标准格式，因此会出错。

内容的提问来源于stack exchange，提问作者nothing_hooooo