为何含Unicode字符的C++代码需带UTF-8签名才能编译？

你的代码核心问题出在U'🥕'这个UTF-32宽字符常量上——🥕对应的UTF-8编码是4字节（0xF0 0x9F 0xA5 0x95），不同的文件保存编码方式会让Visual Studio编译器对这些字节的解析逻辑完全不同，以下是针对你疑问的具体解答：

为什么无签名UTF-8会编译报错？ #

当文件保存为无签名UTF-8时，Visual Studio没有从文件头部获取到EF BB BF的BOM标识，此时它会尝试通过文件内容猜测编码，但如果文件中非ASCII字符极少（比如只有一个🥕），猜测逻辑很可能失效，转而使用系统默认的ANSI编码（比如Windows中文环境下的GBK）。

编译器会把🥕的4个UTF-8字节当成GBK编码下的多个字符（GBK中每个字符占1-2字节，4字节会被解析成2个GBK字符），这就导致U'🥕'这个宽字符常量里包含了多个字符，触发“字符常量中字符过多”的编译错误。

Visual Studio对UTF-8的识别逻辑 #

Visual Studio判断文件编码的优先级如下：

• 优先检查文件头部的BOM：如果存在EF BB BF（UTF-8 BOM），直接判定为UTF-8编码；如果是FF FE（UTF-16LE BOM）或FE FF（UTF-16BE BOM），则对应UTF-16编码。
• 无BOM时，通过文件内容的字节模式猜测编码：比如检测是否符合UTF-8的字节分布规律，但这种猜测不是100%准确，尤其是当非ASCII字符数量很少时，很容易 fallback到系统默认ANSI编码。
• 也可以通过项目或文件的手动设置强制指定编码（比如编译器/utf-8选项）。

UTF-8是否必须带签名？ #

不是。UTF-8的官方标准并不要求添加BOM（签名），无BOM的UTF-8是目前互联网和跨平台开发中的主流格式。

在Visual Studio中，如果你不想用BOM，也可以通过以下方式确保编译器正确识别无签名UTF-8：

• 在项目属性的「C/C++ -> 命令行」中添加/utf-8参数，强制编译器以UTF-8编码解析源文件。
• 在「高级保存选项」中选择「UTF-8 without signature」后，配合项目字符集设置为「使用Unicode字符集」，也能避免识别错误。

带签名的UTF-8是否受普遍推荐？ #

分场景判断：

• Windows纯项目场景：带签名（BOM）的UTF-8可以让Visual Studio无需猜测直接识别编码，避免编译错误，是比较稳妥的选择。
• 跨平台协作场景：不推荐带BOM。因为Unix/Linux/macOS等系统下的多数工具（比如GCC、文本编辑器、版本控制系统）对UTF-8 BOM的支持不佳，会把BOM当成文件内容的一部分，导致程序运行异常或文本显示问题。

内容的提问来源于stack exchange，提问作者Zebrafish