Lidando com strings UTF-8 em C no Windows

A codificação de strings como UTF-8 é amplamente usada para aplicativos de plataforma cruzada. No entanto, a saída de strings UTF-8 para std::cout no Windows apresenta desafios únicos.

O comportamento padrão no Windows é std::cout esperar strings em formatos não Unicode. Quando apresentado com strings UTF-8, ele exibe caracteres corrompidos.

Para resolver esse problema, há duas etapas principais:

1. Definir a página de código do console como UTF-8 : Usando a função SetConsoleOutputCP, informe ao console que o fluxo de bytes de entrada é codificado em UTF-8.
2. Ativar buffer de fluxo: Desative o comportamento padrão de std::basic_filebuf no Visual Studio, que divide sequências de bytes UTF-8 e as transmite como bytes individuais. Para superar isso, setvbuf ativa o buffer de fluxo, garantindo que toda a string seja passada como um todo.

Aqui está um trecho de código revisado que incorpora estas soluções:

#include 
#include 
#include 
#include 

int main() {
    // Set console code page to UTF-8
    SetConsoleOutputCP(CP_UTF8);

    // Enable buffering to prevent byte-by-byte transmission
    setvbuf(stdout, nullptr, _IOFBF, 1000);

    // Output UTF-8 string
    std::string test = u8"Greek: αβγδ; German: Übergrößenträger";
    std::cout 
Além dessas etapas, observe que as fontes raster no console do Windows podem não exibir caracteres Unicode não ASCII corretamente. Para habilitar a renderização adequada, é recomendado mudar para uma fonte TrueType, que agora é o padrão no Windows 10 e versões posteriores.