Question

我必须首先用西里尔文读取一个文件，然后随机选择随机数行并将修改后的文本写入另一个文件。拉丁字母没有问题，但我遇到了西里尔文的问题，因为我得到了一些垃圾。所以这就是我试图做的事情。

说，文件input.txt是

ааааааа
ббббббб
ввввввв

我必须阅读它，并将每一行放入一个向量中：

vector<wstring> inputVector;
wstring inputString, result;
wifstream inputStream;
inputStream.open("input.txt");
while(!inputStream.eof())
{
    getline(inputStream, inputString);              
    inputVector.push_back(inputString);
}
inputStream.close();    

srand(time(NULL));
int numLines = rand() % inputVector.size();
for(int i = 0; i < numLines; i++)
{
    int randomLine = rand() % inputVector.size();
    result += inputVector[randomLine];
}

wofstream resultStream;
resultStream.open("result.txt");
resultStream << result;
resultStream.close();

那么我怎样才能与西里尔语合作，以便产生可读的东西，而不仅仅是符号？

Answer 1

因为您看到类似■aaaaaaa 1♦1♦1♦1♦1♦1♦1♦2♦2♦2♦2♦2♦2♦2♦打印到控制台，看起来{{1} }以UTF-16编码编码，可能是UTF-16 LE + BOM。如果将文件的编码更改为UTF-8，则可以使用原始代码。

使用UTF-8的原因是，无论文件流的char类型如何，input.txt的基础basic_fstream都使用basic_filebuf对象来转换{ {1}}来自/来自char类型的对象流的对象;即，在读取时，从文件中读取的codecvt流将转换为char流，但在写入时，char流将转换为wchar_t流，然后写入文件。对于wchar_t，char对象是标准std::wifstream的实例，通常将UTF-8转换为UCS-16。

正如the MSDN documentation page for basic_filebuf所述：

basic_filebuf 类型的对象是使用char *类型的内部缓冲区创建的，而不管类型参数 Elem 指定的 char_type 。这意味着在将Unicode字符串（包含wchar_t字符）写入内部缓冲区之前，它将转换为ANSI字符串（包含char字符）。

类似地，当读取Unicode字符串（包含codecvt个字符）时，std::codecvt<wchar_t, char, mbstate_t>将从文件读取的ANSI字符串转换为返回到wchar_t的{{1}}字符串，其他阅读操作。

如果您将basic_filebuf的编码更改为UTF-8，原始程序应该可以正常工作。

供参考，这对我有用：

wchar_t

请注意，getline的编码也将是UTF-8（通常）。

Answer 2

为什么要使用wifstream - 您是否确信您的文件包含一系列（系统相关的）宽字符？几乎可以肯定，情况并非如此。（最值得注意的是，因为系统的宽字符集在C ++程序范围之外并不明确。）

相反，只需按原样读取输入字节流并相应地回显它：

std::ifstream infile(thefile);
std::string line;
std::vector<std::string> input;

while (std::getline(infile, line))   // like this!!
{
  input.push_back(line);
}

// etc.

用c ++在西里尔文中读写文件

2 个答案: