Qt 5.5版本QString处理UTF-8特殊字符长度错误输出乱码如何修复？

问题原因 #

你遇到的问题核心来自两个点：

• 测试用的𝐺、𝐷这类数学斜体字符属于Unicode辅助平面字符，码点值大于0xFFFF。Qt的QString内部采用UTF-16编码存储，每个这类字符会被拆成2个16位的QChar代理对存储，所以直接调用length()得到的是UTF-16编码单元的总数，不是实际的字符数量；直接遍历单个QChar也无法得到完整的字符，自然输出为问号。
• 标准库的cout默认没有配置UTF-8编码输出，就算拿到完整字符也可能出现乱码。

修复方案 #

调整代码逻辑，按Unicode实际码点计算长度和遍历，同时更换为支持UTF-8输出的接口，修复后的参考代码如下：

#include <iostream>
#include <QString>
#include <QVector>

using namespace std;

int main()
{
    // 如果需要统计长度和期望一致，可以先trim去掉前后空格
    QString qstr = QString::fromUtf8("  𝐺𝐷𝑃 𝑡   𝐺𝐷𝑃𝑡").trimmed();
    // 转UCS4编码，数组长度就是实际Unicode字符数
    QVector<uint> ucs4 = qstr.toUcs4();
    cout << ucs4.size() << endl;
    for (uint codePoint : ucs4) {
        // 单个码点转QString再转UTF-8输出
        cout << QString::fromUcs4(&codePoint, 1).toStdString() << endl;
    }
    return 0;
}

另外还可以做两项可选配置：

• 运行前执行命令配置终端输出编码：export LC_ALL=en_US.UTF-8
• 如果你坚持要用cout输出，可在代码开头加全局编码配置：

#include <locale>
// main函数开头加
std::locale::global(std::locale("en_US.UTF-8"));

如果你不需要兼容标准输出接口，直接用Qt的qDebug()输出更简单，不需要额外配置编码。

内容的提问来源于stack exchange，提问作者Alex