我正在尝试从一个Unicode UTF-8文件中读取 Alt 键符号,然后写入另一个。
输入文件如下所示>
ỊịỌọỤụṄṅ
输出文件如下所示>
239 187 191 225 187 138 225 187 139 225 187 140 225 187 141 225 187 164 225 187 165 225 185 132 225 185 133(每3位数组合后'\ n',而不是'')
代码:
#include <iostream>
#include <fstream>
#include <string>
#include <sstream>
#include <Windows.h>
///convert as ANSI - display as Unicode
std::wstring test1(const char* filenamein)
{
std::wifstream fs(filenamein);
if(!fs.good())
{
std::cout << "cannot open input file [" << filenamein << "]\n" << std::endl;
return NULL;
}
wchar_t c;
std::wstring s;
while(fs.get(c))
{
s.push_back(c);
std::cout << '.' << std::flush;
}
return s;
}
int printToFile(const char* filenameout, std::wstring line)
{
std::wofstream fs;
fs.open(filenameout);
if(!fs.is_open())
return -1;
for(unsigned i = 0; i < line.length(); i++)
{
if(line[i] <= 126) //if its standard letter just print to file
fs << (char)line[i];
else //otherwise do this.
{
std::wstring write = L"";
std::wostringstream ss;
ss << (int)line[i];
write = ss.str();
fs << write;
fs << std::endl;
}
}
fs << std::endl;
//2nd test, also fails
char const *special_character[] = { "\u2780", "\u2781", "\u2782",
"\u2783", "\u2784", "\u2785", "\u2786", "\u2787", "\u2788", "\u2789" };
//prints out four '?'
fs << special_character[0] << std::endl;
fs << special_character[1] << std::endl;
fs << special_character[2] << std::endl;
fs << special_character[3] << std::endl;
fs.close();
return 1;
}
int main(int argc, char* argv[])
{
std::wstring line = test1(argv[1]);
if(printToFile(argv[2], line) == 1)
std::cout << "Writing success!" << std::endl;
else std::cout << "Writing failed!" << std::endl;
return 0;
}
我期待的是与此表中的值类似的东西:
答案 0 :(得分:2)
好的,根据您的代码和评论,我理解以下内容:
所以这是实际发生的事情:
您的代码正确地一次一个字节地读取文件,作为ANSI文件(就好像它是win1252编码的)。然后,您的程序将显示所有字节的代码值。我可以确认你在帖子中显示的字节列表是utf-8编码字符串ỊịỌọỤụṄṅ
,除了notepad ++在开始时添加了字节顺序标记(U + FEFF),UTF8中通常不使用文件 - BOM是3字节239 187 191(十进制)或0xef 0xbb 0xbf(六进制)
那你能做什么?
一个简单的解决方案(当您使用Windows时)将要求notepad ++将文件编码为UTF16LE,这是Windows中的本机unicode格式。这样你实际上会读取unicode字符。
另一种方法是指示您的代码将文件处理为UTF8。这对于Linux来说是微不足道的,但在Windows上,自从VC2010以来只能正确处理UTF8,这可能很棘手。另一个post from SO显示了如何在C ++流中灌输UTF8语言环境。
我很抱歉没有提供代码,但我只有一个不支持UTF8流的旧版VC2008 ...而且我讨厌提供未经测试的代码。