问以char* & std::string表示的UTF-8是否足以支持所有语言？

EN

你的问题中有一些混淆，所以我将从你可能正在寻找的答案开始，然后从那里开始：

您应该使用UTF-8编码，除非您有很好的理由不使用UTF-8编码。有几个很好的原因，但没有一个与支持什么语言有关。

UTF-8和UTF-16只是编码Unicode的不同方式。您还可以使用UTF-32对Unicode进行编码。您甚至可以用GB18030或其他几种编码之一对Unicode进行编码。只要编码可以处理所有Unicode代码点，那么它将涵盖相同数量的语言、字形、脚本、字符等(准确地确定Unicode代码点的含义本身是一个微妙的主题，我不想在这里讨论，但出于这些目的，我们将其视为“字符”。)

您通常应该使用UTF-8，因为如果您使用基于拉丁语的脚本，那么它将非常有效，而且它是该生态系统中最受支持的编码。也就是说，对于某些问题，UTF-16或UTF-32可能更有效。但是如果没有特定的原因，您应该使用UTF-8。

数据类型char*和std::string不代表UTF-8。它们代表一系列char。这就是他们所代表的一切。这段char序列可以用多种方式解释。将其解释为UTF-8是相当常见的，但我甚至不认为这是最常见的解释(许多系统将其视为扩展ASCII，这就是为什么非英语文本在系统之间移动时经常出现乱码)。

如果您想使用UTF8，那么除了使用std:string之外，您还需要做更多的事情。您需要一个UTF-8处理库，最常见的是用于简单使用的std::locale或用于复杂问题的ICU。UTF-8字符的长度可以在1到4 char之间，因此在应用字符处理时必须非常周到。最常见的错误是UTF-8不支持随机访问。您不能只跳到字符串中的第32个字母。你必须从头开始处理它才能找到所有的字符分隔符。如果从任意点开始处理UTF-8字符串，可能会跳到字符的中间。

通过组合字符，UTF-8编码(在许多系统中)可以变得任意长。视觉上的单个“字符”‍‍‍被编码为UTF-8格式的25个UTF值的序列。(当然，它在wchar_t -16中编码为12个UTF值。没有Unicode编码，您就不必考虑组合字符。)

另一方面，UTF-8非常强大，因为对于某些问题，您通常可以忽略它。字符A完全按照ASCII码( 65 )进行编码，并且UTF-8承诺序列中不会有65且不是A的字节。因此，搜索特定的ASCII序列不需要特殊的处理(就像在UTF-16中那样)。

作为NathanOliver points out，使用任何Unicode编码都只支持Unicode支持的语言、字形、脚本、字符等。作为一个实际问题，这是世界上绝大多数常用的语言。它不是每种语言(它在处理某些它所支持的语言方面也有缺陷)，但它是目前为止我们拥有的最全面的系统。

不，UTF-8还不足以支持所有语言。来自As Yet Unsupported Scripts

• Loma
• Naxi东巴(Moso)

当前不受支持。