Question

如果我输入UTF-8编码的文件，如

example.html的

<html>
<head>
<meta http-equiv=Content-Type content="text/html;charset=utf-8">
<title>Текст на русском</title>

“Текстнарусском” - 俄语文本

#include <string>
#include <ios>
#include <fcntl.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <io.h>
#include <stdio.h>

using namespace std;
int main () 
{
int fl; unsigned int nbytes = 60000,bspr; char buf [60000];
errno_t err = _wsopen_s(&fl,L"c:\\example.html", _O_U8TEXT,_SH_DENYNO,_S_IREAD | _S_IWRITE ); // &fh,"c:\\example.html",_O_RDONLY, 
if ( err!=0 ) exit (1);
if ((bspr = _read(fl,buf,nbytes))<=0 )
{
    perror (" Error opening file ");
    exit (1);
}

}

我得到buf [0] = 60'＆lt;'，buf [1] = 0，buf [2] = 104'h'，buf [3] = 0，等等

直到我达到俄语字母，然后我得到完全不正确的符号，如20''，然后是4''，

'char' - 是这个角色的vstudio输出。对于20和4来说奇怪的相同。

所以问题是 - 是否有任何方法可以将输出缓冲区输出到字符串直到EOF，格式正确，即使不使用此运算符？

Answer 1

看起来_O_U8TEXT会导致_read从UTF-8转换为UTF-16。在unicode模式下打开流时，您可能应该使用高级Unicode函数（如getwc）进行读取。您可以将_wfopen_s与L"rt, ccs=UTF-8"一起使用，或者如果您需要共享支持，则可以使用现有的_wsopen_s来电，然后_wfdopen。

带有_O_U8TEXT标志的_wsopen_s，返回0到缓冲区，中间字符和俄语字符之间的4。 VS2010

1 个答案: