含重音字符的C++字符串过滤代码在CLion中失效的问题排查求助

让我们一步步拆解你的问题，找出问题所在并给出解决方案：

为什么代码在CLion里失效，Repl.it却能部分运行？ #

核心问题出在重音字符的编码和你的字符处理方式不匹配。

在现代IDE（包括CLion）中，源代码默认以UTF-8编码保存，像á这类重音字符在UTF-8里是两个字节的序列（比如0xC3 0xA1）。但你的代码用std::string的[]运算符访问字符时，每次拿到的只是单个字节，不是完整的Unicode字符。

当你检查word[0][i] >= 'A' && word[0][i] <= 'Z'时，这些多字节的数值（比如0xC3）远大于ASCII的Z（0x5A），会被判定为要删除的字符。但删除单个字节后，剩下的字节（比如0xA1）变成了无效的UTF-8序列，这会触发未定义行为：CLion的运行环境对无效UTF-8的容忍度低，程序可能直接静默退出；而Repl.it的环境可能忽略了无效字节，所以能继续运行，但结果肯定是错误的（比如出现乱码或者字符丢失）。

另外，你用new string[1]动态分配数组完全没必要，直接用栈上的std::string更安全高效，这属于代码冗余，但不是核心问题。

如何修复代码？ #

要正确处理带重音的字符串，我们需要先把重音字符转换为对应的非重音ASCII字符，再进行过滤。下面是完整的修复方案：

1. 实现重音字符转非重音的辅助函数 #

我们可以利用C++的Unicode转换工具，把UTF-8字符串转为UTF-32（每个字符占4字节，能容纳所有Unicode字符），替换重音字符后再转回UTF-8：

#include <iostream>
#include <string>
#include <algorithm>
#include <codecvt>
#include <locale>

// 移除字符串中的重音字符，转为对应的非重音ASCII字符
std::string removeAccents(const std::string& input) {
    std::string result = input;
    // 定义常见重音字符到非重音字符的映射
    const std::pair<char32_t, char> accentMap[] = {
        {U'á', 'a'}, {U'à', 'a'}, {U'ã', 'a'}, {U'ă', 'a'}, {U'â', 'a'},
        {U'é', 'e'}, {U'è', 'e'}, {U'ê', 'e'},
        {U'í', 'i'}, {U'ì', 'i'}, {U'î', 'i'},
        {U'ó', 'o'}, {U'ò', 'o'}, {U'õ', 'o'}, {U'ô', 'o'},
        {U'ú', 'u'}, {U'ù', 'u'}, {U'û', 'u'}
    };

    // 将UTF-8字符串转换为UTF-32，方便处理单个Unicode字符
    std::u32string u32Input;
    std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t> converter;
    try {
        u32Input = converter.from_bytes(input);
    } catch (const std::range_error& e) {
        std::cerr << "Error: Invalid UTF-8 string" << std::endl;
        return result;
    }

    // 遍历替换每个重音字符
    for (char32_t& c : u32Input) {
        auto match = std::find_if(std::begin(accentMap), std::end(accentMap),
            [c](const std::pair<char32_t, char>& pair) {
                return pair.first == c;
            });
        if (match != std::end(accentMap)) {
            c = match->second;
        }
    }

    // 转回UTF-8字符串
    return converter.to_bytes(u32Input);
}

2. 高效过滤非字母字符 #

处理完重音后，字符串里的字符都是单字节的ASCII字符，这时我们可以用标准库的std::remove_if算法来高效过滤非字母字符，比手动循环erase更简洁且不易出错：

int main() {
    std::string word = "áapple_.Dogá.";
    std::cout << "Original string: " << word << "\n\n";

    // 第一步：移除重音字符
    std::string normalizedStr = removeAccents(word);
    std::cout << "After removing accents: " << normalizedStr << "\n\n";

    // 第二步：过滤掉所有非a-z/A-Z的字符
    normalizedStr.erase(
        std::remove_if(normalizedStr.begin(), normalizedStr.end(),
            [](unsigned char c) {
                return !std::isalpha(c); // 只保留字母字符
            }),
        normalizedStr.end()
    );

    std::cout << "Final filtered result: " << normalizedStr << std::endl;

    return 0;
}

额外注意事项 #

• 如果你的编译器是GCC/Clang，编译时需要添加-std=c++11或更高版本的标准，并且链接-lstdc++fs（针对旧版本GCC），因为std::wstring_convert在C++17中被标记为废弃，但大部分编译器仍支持它。如果需要更长期的支持，可以考虑使用ICU库（专门处理Unicode的开源库）。
• 避免在循环中直接修改字符串并调整索引，这种方式容易出错，标准库算法是更优的选择。

内容的提问来源于stack exchange，提问作者Jesepy