C++中u8""与普通""字符串的差异及输出异常问题

原代码与输出 #

源代码 #

std::string utf8_string = u8"你好，世界";
std::string simple_string = "你好，世界";
std::cout << utf8_string.size()<<":" << utf8_string << std::endl;
std::cout << simple_string.size()<<":"<<simple_string << std::endl;

源文件以UTF-8编码保存。

执行输出 #

15:浣犲ソ锛屼笘鐣
10:你好，世界

差异原因 #

• u8"你好，世界"的行为：
  这是C++11引入的UTF-8字符串字面量，编译器会直接将字符串内容编码为UTF-8字节序列。"你好，世界"包含5个UTF-8字符（每个汉字、中文逗号占3字节），总字节数为5×3=15，所以size()返回15。
  输出乱码是因为控制台的编码不是UTF-8（比如Windows默认控制台编码为GBK/CP936），UTF-8字节被控制台按当前编码解析，导致显示异常。

• "你好，世界"的行为：
  普通字符串字面量的编码规则是：编译器先按源文件编码（UTF-8）读取字符串，再将其转换为执行字符集（多数Windows下的编译器默认执行字符集为GBK/CP936）。每个汉字、中文逗号在GBK中占2字节，总字节数为5×2=10，所以size()返回10。
  此时控制台编码与执行字符集一致，所以能正常显示中文。

内容的提问来源于stack exchange，提问作者Shellong