如何用字符串构造函数创建UTF-8字符串？及u8string与wstring的区别

编译错误解决 #

你遇到的error: character constant too long for its type错误，根源是u8'\u2500'写法的问题：

• U+2500（横线条字符）的UTF-8编码是3个字节（0xE2 0x94 0x80），而C++中用单引号'包裹的字符常量，只能对应单个字节的类型（char/char8_t），多字节字符没法塞进单个字节的字符常量里，因此编译报错。

要构造由重复U+2500字符组成的UTF-8字符串，正确做法是先获取该字符的UTF-8字符串字面量，再重复这个序列：

#include <string>

int main() {
    size_t size = 10;
    const char8_t* single_dash = u8"\u2500"; // 单个U+2500的UTF-8序列
    std::u8string result;
    result.reserve(size * 3); // 预分配内存，U+2500占3个char8_t
    for (size_t i = 0; i < size; ++i) {
        result += single_dash;
    }
    return 0;
}

如果使用C++20及以上版本，也可以用std::views简化实现：

#include <string>
#include <ranges>

int main() {
    size_t size = 10;
    std::u8string result = std::ranges::to<std::u8string>(
        std::views::repeat(u8"\u2500") | std::views::take(size)
    );
    return 0;
}

你之前尝试的三种构造方式都存在问题：

• string(size, u8'\u2500')：std::string基于char类型，同样无法容纳多字节的字符常量；
• wstring(size, u8'\u2500')：std::wstring基于wchar_t类型，和u8前缀的UTF-8编码类型不匹配，且同样存在字符常量过长的问题；
• u8string(size, u8'\u2500')：std::u8string基于char8_t，但单引号只能表示单个char8_t，而U+2500需要3个char8_t存储，因此触发报错。

u8string和wstring的区别 #

1. 底层字符类型：

   • std::u8string是std::basic_string<char8_t>的别名，char8_t是C++17引入的无符号8位类型，专门用于存储UTF-8编码的字节；
   • std::wstring是std::basic_string<wchar_t>的别名，wchar_t的宽度依赖平台：Windows上为2字节，Linux/macOS上为4字节。

2. 编码规范：

   • u8string强制存储UTF-8编码的字符串，每个Unicode字符占1-4个char8_t，跨平台编码完全一致；
   • wstring的编码无统一标准：Windows上通常存储UTF-16，Linux/macOS上通常存储UTF-32，跨平台处理时需要额外做编码转换。

3. 设计目的：

   • u8string是为解决传统std::string既存普通字节又存UTF-8的歧义，明确用于UTF-8字符串场景；
   • wstring是早期为处理非ASCII字符设计的宽字符字符串，但平台依赖性强，现在逐渐被u8string/u16string/u32string这类明确编码的字符串替代。

内容的提问来源于stack exchange，提问作者I101I