C++如何将Unicode std::wstring以Unicode编码字面量格式输出

首先，咱们拆解下你遇到的问题：你现在的代码直接输出wchar_t的数值，而且没处理UTF-16的代理对（导致像U+010DE这种超出U+FFFF的码点被拆成两个16位值输出），所以才会得到一堆十六进制数字，而不是你想要的\UXXXXXXXX格式字符串。

下面给你两种可行的解决方案，分别适配不同C++版本的环境：

方案一：C++11+ 手动处理代理对 + 字符串格式化 #

#include <iostream>
#include <wstring>
#include <sstream>
#include <iomanip>

int main() {
    std::wstring mystr = L"abc\U0000FFFF\U0000000A\U00000061\U0000010de";
    std::ostringstream output_stream;

    for (size_t i = 0; i < mystr.size(); ) {
        wchar_t current_char = mystr[i];
        char32_t unicode_codepoint;

        // 处理Windows平台下的UTF-16代理对（wchar_t为16位）
        if (sizeof(wchar_t) == 2 && current_char >= 0xD800 && current_char <= 0xDBFF && i + 1 < mystr.size()) {
            wchar_t next_char = mystr[i + 1];
            if (next_char >= 0xDC00 && next_char <= 0xDFFF) {
                // 计算完整的Unicode码点
                unicode_codepoint = ((static_cast<char32_t>(current_char) - 0xD800) << 10) + 
                                    (static_cast<char32_t>(next_char) - 0xDC00) + 0x10000;
                i += 2; // 跳过代理对的第二个字符
            } else {
                // 无效代理对，单独处理当前字符
                unicode_codepoint = current_char;
                i += 1;
            }
        } else {
            // Linux/macOS平台下wchar_t是32位，直接取码点
            unicode_codepoint = current_char;
            i += 1;
        }

        // 格式化为\UXXXXXXXX的形式，8位十六进制大写，不足补0
        output_stream << "\\U" 
                      << std::setw(8) << std::setfill('0') 
                      << std::uppercase << std::hex 
                      << static_cast<uint32_t>(unicode_codepoint);
    }

    // 输出最终结果
    std::cout << output_stream.str() << std::endl;
    return 0;
}

代码说明： #

• 代理对处理：Windows下wchar_t是16位，超出U+FFFF的Unicode码点会用两个wchar_t组成代理对存储，这里判断并计算出完整的码点。
• 格式化输出：用std::ostringstream拼接字符串，通过std::setw、std::setfill确保输出8位十六进制数，std::uppercase让字母大写，完全匹配你想要的格式。
• 灵活遍历：不再写死循环次数，而是根据mystr.size()动态遍历，避免越界或遗漏。

方案二：C++20+ 用std::format简化格式化 #

如果你已经升级到C++20，std::format能让代码更简洁：

#include <iostream>
#include <wstring>
#include <format>

int main() {
    std::wstring mystr = L"abc\U0000FFFF\U0000000A\U00000061\U0000010de";
    std::string result;

    for (size_t i = 0; i < mystr.size(); ) {
        char32_t unicode_codepoint;
        // 同样处理代理对逻辑
        if (sizeof(wchar_t) == 2 && mystr[i] >= 0xD800 && mystr[i] <= 0xDBFF && i + 1 < mystr.size()) {
            auto high_surrogate = mystr[i];
            auto low_surrogate = mystr[i+1];
            if (low_surrogate >= 0xDC00 && low_surrogate <= 0xDFFF) {
                unicode_codepoint = ((static_cast<char32_t>(high_surrogate) - 0xD800) << 10) + 
                                    (static_cast<char32_t>(low_surrogate) - 0xDC00) + 0x10000;
                i += 2;
            } else {
                unicode_codepoint = mystr[i];
                i +=1;
            }
        } else {
            unicode_codepoint = mystr[i];
            i +=1;
        }
        // 用std::format直接生成\UXXXXXXXX格式的字符串
        result += std::format("\\U{:08X}", unicode_codepoint);
    }

    std::cout << result << std::endl;
    return 0;
}

为什么你的原代码不行？ #

• 循环次数写死为9，一旦字符串长度变化就会出错，应该用mystr.size()动态遍历。
• 直接输出*ctest会把wchar_t当作整数输出，而不是格式化为你需要的字符串形式。
• 没有处理UTF-16代理对，导致多字节的Unicode码点被拆成两个独立的数值输出。

内容的提问来源于stack exchange，提问作者user3443063