C++国际化：UTF-8与locale无关设计技巧

C++中UTF-8字符串不能直接用std::string当文本处理，因其为字节容器，length()返回字节数而非字符数，需用std::u8string或第三方UTF-8库操作字符，避免std::codecvt等弃用设施，并全程隔离locale污染。

UTF-8 字符串在 C++ 中不能直接用 std::string 当“文本”用

因为 std::string 是字节容器，不感知编码；std::string.length() 返回的是字节数，不是字符数。一个中文汉字在 UTF-8 中占 3 字节，.length() 就返回 3 —— 这会导致 substr()、find()、遍历等操作全部错位。

实操建议：

• 所有用户可见的字符串（界面、日志、配置值）统一用 std::u8string（C++20 起）或 std::string + 明确注释“UTF-8 编码”，但绝不依赖其成员函数做逻辑切分
• 需要按字符操作时，用第三方轻量库如 utf8cpp 或手写简单解码循环；避免引入 std::codecvt（已弃用且 locale 绑定）
• 读文件时显式按字节读入，再验证是否为合法 UTF-8（可用 utf8::is_valid() 或自检首字节范围）；非法字节建议替换为 （U+FFFD）而非抛异常

别碰 std::locale 和 std::codecvt_utf8

std::codecvt_utf8 在 C++17 被标记为 deprecated，C++20 彻底移除；而 std::locale 的 facet 行为严重依赖平台实现：Linux 上可能依赖系统 locale（如 zh_CN.UTF-8），Windows 上则常 fallback 到 ANSI 代码页，导致同一份代码在不同机器上 std::toupper 或 std::collate 结果不一致。

实操建议：

• 大小写转换用 Unicode-aware 实现，例如 ICU 的 u_strToUpper()，或轻量替代如 utf8proc 的 utf8proc_toupper()
• 排序/比较不用 std::locale::operator()，改用 std::collate_byname("C") 做二进制比较（稳定但无语义），或集成 icu::Collator（支持多语言权重）
• 格式化数字/日期/货币必须脱离 std::time_get / std::num_put，改用 ICU 或 fmt::format + 显式区域设置参数（如 fmt::locale("zh-CN")）

跨平台文件路径与资源加载必须绕过 locale

Windows API（如 CreateFileA）默认用当前 ANSI 代码页解释窄字符串，Linux/macOS 的 open() 接收 UTF-8 字节流 —— 但若 C++ 程序从 argv 或配置文件读取路径，且该路径含中文，std::string 存储本身没问题，问题出在调用系统 API 时是否被意外转码。

实操建议：

• Windows 下优先使用宽字符 API：std::wstring 存路径，调用 CreateFileW；Linux/macOS 保持 std::string（UTF-8）并直传 open()
• 资源加载（如图片、翻译文件）路径统一用 UTF-8 字节序列构造，避免经由 std::filesystem::path 隐式转换（C++17 std::filesystem::path 构造函数对窄字符串的处理在各平台不一致）
• 配置文件（JSON/TOML）中字符串字段默认按 UTF-8 解析，解析器（如 nlohmann/json）需确认启用 UTF-8 模式（它默认就是）

翻译字符串管理要隔离 locale 与运行时切换

常见错误是把 gettext 的 setlocale(LC_ALL, "") 当作“启用国际化”，结果导致 printf 输出乱码或 strcoll 行为突变。真正的多语言切换应只影响翻译表查找，不改变底层 I/O 或字符串处理逻辑。

实操建议：

• 用 libintl 时禁用自动 locale 绑定：编译时加 -DENABLE_NLS=OFF 或运行时跳过 setlocale()，手动通过 bind_textdomain_codeset(domain, "UTF-8") 指定编码
• 更推荐零依赖方案：将 .po 编译为二进制结构体数组（用 msgfmt --output-format=c-header 或自研工具），运行时用 std::unordered_map 加载对应语言的映射表
• 翻译键名统一用 ASCII（如 "dialog.save.confirm"），值为 UTF-8 字符串；运行时切换语言只需替换映射表指针，不触发任何 locale 全局状态变更

// 示例：轻量翻译查找（无 locale 依赖）
class Translator {
    std::unordered_map catalog_;
    std::string lang_;
public:
    void load(const std::string& lang, const std::unordered_map& data) {
        lang_ = lang;
        catalog_ = data; // data 已是 UTF-8 解码后的字符串
    }
    std::string tr(const std::string& key) const {
        auto it = catalog_.find(key);
        return (it != catalog_.end()) ? it->second : key;
    }
};