这是我第一次尝试在程序中处理多种语言。如果有人能为我提供一些学习材料以及如何处理这类问题，我将非常感激。
问题是表示具有多种语言的字符串。例如，想一下在许多语言中都有“Hello”的字符串，所有字母都以逗号分隔。我想要做的是分开这些词。所以我的问题是：
谢谢。
答案 0 :(得分：2)
我可以使用
std::string，还是应该使用std::wstring？
两者都可以使用。如果您使用std::string，编码应为UTF-8，以避免使用UTF-16，UCS-2等时获得的空字节。如果您使用std::wstring ，您也可以使用需要较大数字的编码来表示单个字符，即UCS-2和UCS-4通常会很好，但严格来说这是依赖于实现的。在C ++ 11中，还有std::u16string（适用于UTF-16和UCS-2）和std::u32string（适用于UCS-4）。
因此，使用哪种类型取决于您喜欢的编码，而不是您想要表示的语言的数量或类型。
根据经验，UTF-8非常适合存储大型文本，而UCS-4最适合内存占用无关紧要，但您希望字符级迭代和位置算法方便，快速。 （例如：在UTF-8字符串中跳过n个字符是O（n）操作，而在UCS-4中是O（1）操作。）
如果我想对字符串中的每个单词进行标记并将它们放入char *中，我应该使用wchar吗？但是一些编码，比如UTF，可能比wchar可以支持的更大。
我会使用与文本本身相同的数据类型。即std::string文字的字词也应为std::string，std::wstring的字词应为std::wstring。
（如果有一个很好的理由从字符串数据类型切换到字符指针数据类型，当然char*适合std::string而wchar_t*适合{ {1}}。类似地，对于C ++ 11类型，有std::string和char16_t*。）
总的来说，处理此类案件的“可接受”方式是什么？
您需要回答的第一个问题是您要用于存储和处理的编码。在高度国际化的环境中，只有Unicode编码才真正符合条件，但仍有不止一种可供选择：UTF-8，UCS-2和UCS-4是最常见的。如上所述，您选择哪一个对内存占用和处理速度有影响，因此请仔细考虑您需要执行哪些类型的操作。可能需要在程序中的某些点将一种编码转换为另一种编码，以获得最佳的空间和时间行为。一旦知道要在程序的每个部分中使用哪种编码，请相应地选择数据类型。
一旦确定了编码和数据类型，您可能还需要查看Unicode规范化。在许多语言中，相同的字符（或字符/变音符号组合）可以由多个Unicode代码点序列表示（尤其是在使用组合字符时）。要正确处理这些情况，您可能需要将Unicode规范化（例如NFKC）应用于字符串。请注意，C ++标准库中没有内置支持。