Question

环境：Gcc / G ++ Linux

我在文件系统中有一个非ascii文件，我打算打开它。

现在我有一个wchar_t *，但我不知道如何打开它。（我信任的fopen只打开char *文件）

请帮忙。非常感谢。

Answer 1

有两种可能的答案：

如果要确保所有Unicode文件名都可以表示，您可以硬编码文件系统使用UTF-8文件名的假设。这是“现代”Linux桌面应用程序方法。只需将您的字符串从wchar_t（UTF-32）转换为UTF-8，并使用库函数（iconv可以正常工作）或您自己的实现（但查找规范，这样您就不会发现它可怕的错误像谢尔文那样），然后使用fopen。

如果你想以更加面向标准的方式做事，你应该使用wcsrtombs将wchar_t字符串转换为语言环境编码中的多字节char字符串（希望是无论如何在任何现代系统上使用UTF-8并使用fopen。请注意，这需要您先前使用setlocale(LC_CTYPE, "")或setlocale(LC_ALL, "")设置区域设置。

最后，不是答案，而是建议：

将文件名存储为wchar_t字符串可能是一个可怕的错误。您应该将文件名存储为抽象字节字符串，并且仅将它们及时转换为wchar_t以便在用户界面中显示它们（如果它甚至是必需的;许多UI工具包本身使用普通字节字符串并且作为你的角色的解释）。通过这种方式，您可以消除许多可能令人讨厌的极端情况，并且您永远不会遇到某些文件由于其名称而无法访问的情况。

Answer 2

Linux不是UTF-8，但无论如何它是你唯一的文件名选择

（文件可以包含 in 中的任何内容。）

关于文件名，linux实际上并没有担心字符串编码。文件名是需要以空值终止的字节字符串。

这并不意味着Linux是UTF-8，但它确实意味着它与宽字符不兼容，因为它们可能在一个不是结束字节的字节中为零。

但是UTF-8保留了无空 - 除极端模型，所以我不得不相信实际方法是“转换为UTF-8”来获取文件名。

文件内容是Linux内核级别以上标准的问题，所以这里没有您可以或想要做的任何Linux-y。文件内容完全是读写程序的关注点。 Linux只存储并返回字节流，它可以包含你想要的所有嵌入式数据。

Answer 3

将wchar字符串转换为utf8 char字符串，然后使用fopen。

typedef unsigned int   uint;
typedef unsigned short word;
typedef unsigned char  byte;

int UTF16to8( wchar_t* w, char* s ) {
  uint  c;
  word* p = (word*)w;
  byte* q = (byte*)s; byte* q0 = q;
  while( 1 ) {
    c = *p++;
    if( c==0 ) break;
    if( c<0x080 ) *q++ = c; else 
      if( c<0x800 ) *q++ = 0xC0+(c>>6), *q++ = 0x80+(c&63); else 
        *q++ = 0xE0+(c>>12), *q++ = 0x80+((c>>6)&63), *q++ = 0x80+(c&63);
  }
  *q = 0;
  return q-q0;
}

int UTF8to16( char* s, wchar_t* w ) {
  uint  cache,wait,c;
  byte* p = (byte*)s;
  word* q = (word*)w; word* q0 = q;
  while(1) {
    c = *p++;
    if( c==0 ) break;
    if( c<0x80 ) cache=c,wait=0; else
      if( (c>=0xC0) && (c<=0xE0) ) cache=c&31,wait=1; else 
        if( (c>=0xE0) ) cache=c&15,wait=2; else
          if( wait ) (cache<<=6)+=c&63,wait--;
    if( wait==0 ) *q++=cache;
  }
  *q = 0;
  return q-q0;
}

Answer 4

查看此文档

http://www.firstobject.com/wchar_t-string-on-linux-osx-windows.htm

我认为Linux遵循POSIX标准，该标准将所有文件名视为UTF-8。

Answer 5

当你说“文件系统中的非ascii文件”时，我认为它是包含非ascii字符的文件的名称，而不是文件本身。文件包含的内容并不重要。

您可以使用普通fopen执行此操作，但您必须匹配文件系统使用的编码。

这取决于Linux的版本以及您正在使用的文件系统以及如何设置它，但如果幸运的话，文件系统可能使用UTF-8。那么拿你的wchar_t（可能是一个UTF-16编码的字符串？），将它转换为以UTF-8编码的字符串，并将其传递给fopen。

Answer 6

// locals
string file_to_read;           // any file
wstring file;                  // read ascii or non-ascii file here 
FILE *stream;
int read = 0;    
wchar_t buffer= '0';

if( fopen_s( &stream, file_to_read.c_str(), "r+b" ) == 0 )   // in binary mode
  {      
      while( !feof( stream ))
      { 
     // if ascii file second arg must be sizeof(char). if non ascii file sizeof( wchar_t)
        read = fread( & buffer, sizeof( char ), 1, stream );  
        file.append(1, buffer);
      }
  }

file.pop_back(); // since this code reads the last character twice.Throw the last one
fclose(stream);

// and the file is in wstring format.You can use it in any C++ wstring operation
// this code is fast enough i think, at least in my practice
// for windows because of fopen_s

如何在Linux中使用包含非Ascii字符串的wchar_t *打开文件？

6 个答案:

Linux不是UTF-8，但无论如何它是你唯一的文件名选择