Question

我正在尝试从文本文件中读取UTF8文本，然后将其中的一些文本打印到另一个文件中。我正在使用Linux和gcc编译器。这是我正在使用的代码：

#include <stdio.h>
#include <stdlib.h>

int main(){
    FILE *fin;
    FILE *fout;
    int character;
    fin=fopen("in.txt", "r");
    fout=fopen("out.txt","w");
    while((character=fgetc(fin))!=EOF){
        putchar(character); // It displays the right character (UTF8) in the terminal
        fprintf(fout,"%c ",character); // It displays weird characters in the file
    }
    fclose(fin);
    fclose(fout);
    printf("\nFile has been created...\n");
    return 0;
}

目前适用于英文字符。

Answer 1

而不是

fprintf(fout,"%c ",character);

使用

fprintf(fout,"%c",character);

第二个fprintf()在%c之后不包含空格，这是导致 out.txt 显示奇怪字符的原因。原因是fgetc()正在检索单个字节（与ASCII字符相同），不是 UTF-8字符。由于UTF-8也兼容ASCII，它会将英文字符写入文件。

putchar(character)按顺序输出字节，每个字节之间没有额外的空格，因此原始的UTF-8序列保持不变。要了解我在说什么，请尝试

while((character=fgetc(fin))!=EOF){
    putchar(character);
    printf(" "); // This mimics what you are doing when you write to out.txt
    fprintf(fout,"%c ",character);
}

如果要将UTF-8字符与它们之间的空格写入out.txt，则需要处理UTF-8字符的可变长度编码。

#include <stdio.h>
#include <stdlib.h>

/* The first byte of a UTF-8 character
 * indicates how many bytes are in
 * the character, so only check that
 */
int numberOfBytesInChar(unsigned char val) {
    if (val < 128) {
        return 1;
    } else if (val < 224) {
        return 2;
    } else if (val < 240) {
        return 3;
    } else {
        return 4;
    }
}

int main(){
    FILE *fin;
    FILE *fout;
    int character;
    fin = fopen("in.txt", "r");
    fout = fopen("out.txt","w");
    while( (character = fgetc(fin)) != EOF) {
        for (int i = 0; i < numberOfBytesInChar((unsigned char)character) - 1; i++) {
            putchar(character);
            fprintf(fout, "%c", character);
            character = fgetc(fin);
        }
        putchar(character);
        printf(" ");
        fprintf(fout, "%c ", character);
    }
    fclose(fin);
    fclose(fout);
    printf("\nFile has been created...\n");
    return 0;
}

Answer 2

此代码对我有用：

/* fgetwc example */
#include <stdio.h>
#include <wchar.h>
#include <stdlib.h>
#include <locale.h>
int main ()
{
  setlocale(LC_ALL, "en_US.UTF-8");
  FILE * fin;
  FILE * fout;
  wint_t wc;
  fin=fopen ("in.txt","r");
  fout=fopen("out.txt","w");
  while((wc=fgetwc(fin))!=WEOF){
        // work with: "wc"
  }
  fclose(fin);
  fclose(fout);
  printf("File has been created...\n");
  return 0;
}

Answer 3

如果您不想使用广泛选项，请尝试以下操作：

读写字节，而不是字符。也称为，使用二进制，而不是文本。

fgetc有效地从文件中获取一个字节，但如果该字节大于127，请尝试将其视为int而不是char。另一方面，fputc默默地忽略了放置一个字符＆gt;如果使用int而不是char作为输入，它将起作用。

另外，在开放模式下，尝试使用二进制，所以试试rb＆amp; wb而不是r＆amp;瓦特

Answer 4

C风格的解决方案非常有洞察力，但如果你考虑使用C ++，任务就会变得更高，并且它不需要你对utf-8编码有太多的了解。请考虑以下事项：

#include<iostream>
#include<fstream>

int main(){
  wifstream input { "in.txt" }
  wofstream output { "out.txt" }

  // Look out - this part is not portable to windows                                             
  locale utf8 {"en_us.UTF-8"};   

  input.imbue(utf8);                                                             
  output.imbue(utf8);
  wcout.imbue(utf8);

  wchar_t c;

  while(input >> noskipws >> c) {
    wcout << c;
    output << c; 
  }

  return 0;  
}

如何在C中读/写UTF8文本文件？

4 个答案: