C++ 截取字符串 中文乱码

### C++ 截取字符串时处理中文乱码的解决方案

当在C++中处理包含中文字符的字符串并尝试对其进行截取操作时，可能会遇到乱码问题。这是因为不同编码方式下字符占用的字节数量不一致所引起的。

对于单个ASCII字符而言，在大多数情况下仅需考虑其占据的一个字节；然而针对GBK编码下的汉字，则通常会跨两个连续存储单元[^1]。因此，在遍历字符串过程中应当区分对待这两种情况：

- 对于非CJK统一表意文字（即常规拉丁字母），只需按位读取即可；
- 若检测到某位置处的数据满足`str[i]&0x80!=0`条件，则表明遇到了一个多字节序列起始点——此时应连同后续若干个关联部分一并纳入考量范围之内。

考虑到UTF-8编码环境中每个汉字符号由三个字节构成这一特性，上述逻辑还需做适当调整：每当识别出一个高有效位被置位的元素之后，紧跟着就要额外增加两次索引偏移(`Intercept += str[++i];`)以确保整个复合结构得以完整保留下来。

下面给出一段示范性的实现代码片段用于说明如何安全地执行此类子串提取任务而不破坏原有语义完整性:

#include <iostream>
using namespace std;

void substring(const string& str, int start, int length){
    string result;
    for(int i=start;i<start+length && i<str.length();){
        if((unsigned char)str[i] & 0x80){ // 判断是否为多字节字符(这里假设使用的是GBK编码)
            result+=str.substr(i,2);
            i+=2;
        }
        else{
            result+=str[i];
            ++i;
        }
    }
    cout<<result<<"\n";
}

int main(){
    string s="你好world!";
    substring(s,0,7); // 输出"你好wor"
}

值得注意的是，以上示例默认输入采用GBK作为内部表示形式之一。如果实际应用场景涉及到其他类型的文本编码格式（比如UTF-8），则可能还需要进一步修改相应算法细节来适应特定需求变化。