std::u16string转std::wstring并过滤不可打印字符的实现是否正确？

问题背景 #

需要将std::u16string类型的Unicode字符串转换为std::wstring，并过滤掉不可打印字符，当前基于ranges的实现如下：

std::wstring printable = std::u16string{...}
                       | ranges::to<std::wstring>()
                       | ranges::actions::remove_if([](const wchar_t ch) noexcept {
                           return !std::iswprint(ch);
                         });

疑问：该实现是否可靠？是否应先过滤再转换？或是用Unicode专用函数替代iswprint？

当前实现的核心问题 #

你的代码里用std::iswprint判断可打印性，这是不可靠的，核心原因：

• iswprint的判断逻辑绑定程序当前的区域设置（locale），而非Unicode标准。比如默认的C locale下，它仅能识别ASCII范围内的可打印字符，对于中文、emoji、非ASCII特殊符号等Unicode字符，会直接误判为不可打印。
• 即便切换到支持Unicode的locale（如"en_US.UTF-8"），不同平台的实现差异也会导致判断结果不一致，无法严格遵循Unicode的可打印字符定义。

转换顺序的影响 #

先转wstring再过滤，和先过滤u16string再转，没有本质对错：

• 先过滤再转：能减少转换的字符数量，性能上略有优势；
• 先转再过滤：用ranges写法更连贯，代码可读性更好。
  但无论哪种顺序，判断可打印性的逻辑是否符合Unicode标准才是核心，顺序不是关键问题。

正确的实现方案 #

必须用基于Unicode标准的字符属性判断替代std::iswprint，常见两种选择：

1. 使用ICU库：这是处理Unicode的成熟工业级库，u_isprint()函数能严格按照Unicode标准判断字符的可打印性，支持所有Unicode字符的属性识别，兼容性和准确性都有保障。
2. 手动实现基础过滤：如果不想引入第三方库，可以基于Unicode编码范围做基础判断：
   • 排除控制字符：U+0000-U+001F、U+007F-U+009F；
   • 按需排除其他非打印类别（如控制分隔符等），但这种方式需要自行维护Unicode属性数据，长期来看不如ICU省心。

另外补充：std::u16string转std::wstring的可靠性依赖平台：Windows下wchar_t为16位（对应UTF-16），转换是直接映射；Linux/macOS下wchar_t为32位（对应UTF-32），需确保ranges::to<std::wstring>能正确完成UTF-16到UTF-32的转码，标准实现下这一步是可靠的。

内容的提问来源于stack exchange，提问作者Kaiyakha