为何mingw-w64下的std::mbrlen始终返回1？

这个问题的核心原因和MinGW-w64默认依赖的Windows C运行时有关，我来给你拆解清楚：

关键原因：MinGW-w64默认使用的msvcrt.dll不支持UTF-8 locale #

MinGW-w64的GCC默认会链接Windows系统自带的旧版C运行时库msvcrt.dll，而这个库对UTF-8编码的locale支持非常有限。

你代码里的std::setlocale(LC_ALL, "en_US.utf8")调用看起来没问题，但在msvcrt.dll中，它根本无法识别"en_US.utf8"这种UTF-8 locale字符串——实际执行后，locale会 fallback 到默认的"C" locale（ASCII编码）。在"C" locale下，std::mbrlen会把每个字节都视为独立的单字节字符，所以不管输入的是多字节UTF-8字符，它都会返回1。

而你提到的其他环境（Arch Linux的GCC、VC++、在线编译器）要么用的是对UTF-8支持完善的glibc，要么是微软更新后的C运行时，所以能正确识别UTF-8多字节字符。

解决办法 #

针对这个问题，有两种可行的修复方式：

1. 切换到MinGW-w64的UCRT版本 #

Windows 10及以上系统自带了Universal C Runtime（UCRT），这个新运行时对UTF-8 locale有完整的支持。你可以安装针对UCRT构建的MinGW-w64工具链（比如通过MSYS2安装mingw-w64-ucrt-x86_64-gcc包），用它编译你的代码后：

• std::setlocale(LC_ALL, "en_US.UTF-8")会真正生效
• std::mbrlen就能正确识别UTF-8多字节字符的长度，返回你预期的1、2、3、4字节结果

2. 手动使用Windows API处理UTF-8 #

如果暂时无法切换到UCRT版本，你可以绕过标准库的locale问题，直接使用Windows原生API来处理UTF-8字符串，比如MultiByteToWideChar和WideCharToMultiByte。也可以手动判断UTF-8字符的字节长度，举个简单的替代实现：

#include <cstddef>
#include <cstdio>

void print_mb(const char* ptr) {
    std::size_t index{0};
    int len;
    while (*ptr) {
        // 手动判断UTF-8字符的字节长度
        if ((ptr[0] & 0x80) == 0) {
            len = 1;
        } else if ((ptr[0] & 0xE0) == 0xC0) {
            len = 2;
        } else if ((ptr[0] & 0xF0) == 0xE0) {
            len = 3;
        } else if ((ptr[0] & 0xF8) == 0xF0) {
            len = 4;
        } else {
            // 处理无效UTF-8字符
            len = 1;
        }
        std::printf("Character #%zu is %i bytes long.\n", index++, len);
        ptr += len;
    }
}

int main() {
    const char* str = "\x7a\xc3\x9f\xe6\xb0\xb4\xf0\x9d\x84\x8b";
    print_mb(str);
}

不过这种手动判断的方式需要自己处理无效UTF-8的情况，不如标准库的方法可靠。

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