在C ++中处理字符串的最佳做法是什么？我特别想知道如何处理以下情况：
文本和XML文件的文件输入/输出，可以用不同的编码编写。处理此问题的推荐方法是什么，以及如何检索值？我猜，XML节点可能包含UTF-16文本，然后我必须以某种方式使用它。
如何处理char*字符串。毕竟，这可以是无符号或不符号，我想知道我如何确定他们使用的编码（ANSI？），以及如何转换为UTF-8？是否有任何推荐阅读，其中记录了关于字符串的C / C ++的基本保证？
UTF-8等字符串的字符串算法 - 计算长度，解析等。这样做最好？
什么字符类型真正可移植？我已经知道wchar_t可以是8-32位宽的任何东西，如果我想在不同平台之间保持一致（特别是在不同平台之间移动数据时 - 这似乎是一个问题，因此它不是一个好的选择。例如在EASTL, look at item #13）
目前，我在任何地方使用std::string，在调用Unicode-API时使用小帮助器实用程序转换为UTF-16，但我很确定这不是最好的方法。使用类似Qt的QString或ICU String类似乎是正确的，但我想知道是否有更轻量级的方法（即我的char字符串是ANSI编码的，而ANSI的子集是used等于UFT-8，然后我可以很容易地将数据视为UTF-8并提供转换器来自/到UTF-8，我已经完成了，因为我可以将它存储在std::string中，除非有这种方法的问题）。
答案 0 :(得分：3)
对于较短的答案，我建议使用UTF-16以简化;为简单起见，Java / C＃/ Python 3.0切换到该模型。 我一直希望wchar_t为16或32bit宽，许多平台都支持它;实际上，像wcrtomb（）这样的API不允许实现支持wchar_t *的移位状态，但由于UTF-8不需要，可以使用它，而排除其他编码。
然后，我回答有关XML的问题。
文本和XML文件的文件输入/输出，可以用不同的编码编写。处理此问题的推荐方法是什么，以及如何检索值？我猜，XML节点可能包含UTF-16文本，然后我必须以某种方式使用它。
我不确定，但我不这么认为。 在同一个文件中混合两个编码会导致问题和数据损坏。 以UTF-16编码文件通常是一个糟糕的选择，因为大多数程序都依赖于使用ASCII。 问题是：XML文件可能使用任何单一编码，甚至可能使用UTF-16，但是初始编码声明也必须使用UTF-16，甚至是标签。我在UTF-16中看到的问题是：如何可靠地解析初始声明？答案来自规范：，§4.3.3：
如果没有外部传输协议（例如HTTP或MIME）提供的信息，对于实体来说，这是一个致命错误，包括以不同于声明中指定的编码方式呈现给XML处理器的编码声明，或者对于既不以字节顺序标记也不以编码声明开头的实体来使用UTF-8以外的编码。请注意，由于ASCII是UTF-8的子集，因此普通的ASCII实体不需要严格的编码声明。
阅读时，请注意XML文件也是一个实体，称为文档实体;通常，实体是文档的存储单元。从整个规范来看，我会说每个实体只允许一个编码声明，并且在读取它们时我会将所有实体转换为UTF-16，以便于处理。
Webography：
答案 1 :(得分：1)
UTF-8等字符串的字符串算法 - 计算长度，解析等。如何做到最好？
mbrlen为您提供C字符串的长度。我不认为std :: string可以用于多字节字符串，你应该使用wstring作为宽字符串。
一般情况下，你应该在你的程序中使用UTF-16并且仅在I / O上使用UTF-8（我不太了解其他选项，但它们肯定更复杂且容易出错）。< / p>
如何处理char *字符串。毕竟，这可以是无符号或不符号，我想知道我如何确定他们使用的编码（ANSI？），以及如何转换为UTF-8？是否有任何推荐阅读，其中记录了关于字符串的C / C ++的基本保证？
基本上，您可以使用任何编码，并且您将碰巧使用运行系统的本机编码，只要它是8位编码即可。 C诞生于ASCII，并且语言环境处理是事后的想法。多年来，每个系统主要理解一种原生编码，比如ISO-8859-x，而来自其他编码的文件甚至可能是不可表示的。
因为对于UTF-8字符串，一个字节并不总是一个字符，我猜测最安全的选择是为它们使用多字节字符串。我使用的C手册描述了抽象的多字节字符串，没有关于这些问题的详细信息（特别是关于使用的编码）。对于C，请参阅mbrlen和mbrtowc等函数。在我的Linux系统上，注意到它们的行为取决于LC_CTYPE，这可能意味着本机类型的多字节字符串。从文档中可以推断出，它们的API也支持您可以从一个字节转换为两个字节并返回的编码。
如何处理char *字符串。毕竟，这可以是无符号的，
如果你依赖于char的签名，你做错了。只有使用char作为数字类型时，chars的签名才有意义，然后你应该总是使用unsigned或signed chars;事实上，你应该假装普通字符既没有签名也没有签名，而像a > 0这样的表达式（如果是一个字符）具有未定义的语义。但是，无论如何它会有用吗？