Question

我正在努力找一堂课阅读和阅读写文件。对于字符串，有两种方式：ANSI和Unicode。 ANSI函数很好，但我的Unicode函数有问题。

有点连线，我可以读取Unicode文件就好了，我的意思是，没有检查或跳过“0xFEFF”的东西。无论我在哪种语言（我试过英语，中文和日语），它都有效。有什么我应该知道的吗？

然后最大的问题就出现了：将Unicode字符串写入文件。首先我尝试简单的英语作为没有'\ n'字符的字母，它确实很好用。然后我按'\ n'进入并且事情开始出错了：输出插入了许多空格，因为“a b c d e f g \ n h i j k l m n \ n o p q r s t \ n u v w x y z”（'\ n'可以工作但空间很大）并且文件再次是ANSI。不要问其他语言的字符，我甚至根本不能阅读它们。

所以这就是问题：如何正确地将Unicode字符串写入文件中以及如何操作？请不要提及“_wopen”功能，文件已经用“fopen”功能打开。

答案＆amp;建议会非常感激。

我正在使用Windows 7和visual studio。

编辑：它适用于具有以下代码的非英文字符，但仍然错误地使用'\ n'。

char* cStart = "\xff\xfe";

if (::ftell(m_pFile) == 0)
    ::fwrite(cStart, sizeof(wchar_t), 1, m_pFile);

但是如何运作？我的意思是我在阅读文件时没有看到它。

编辑：我的代码的一部分。

void File::ReadWText(wchar_t* pString, uint32 uLength)
{
    wchar_t cLetter = L'\0';
    uint32 uIndex = 0;

    do {
        cLetter = L'\0';
        ::fread(&cLetter, sizeof(wchar_t), 1, m_pFile);
        pString[uIndex] = cLetter;
    }while (cLetter != L'\0' && !::feof(m_pFile) && uIndex++ < uLength);
    pString[uIndex] = L'\0';
}

void File::WriteWText(wchar_t* pString, uint32 uLength)
{
    char* pStart = "\xff\xfe";

    if (::ftell(m_pFile) == 0)
        ::fwrite(pStart, sizeof(wchar_t), 1, m_pFile);

    m_uSize += sizeof(wchar_t) * ::fwrite(pString, sizeof(wchar_t), uLength, m_pFile);
}

void main()
{
    ::File* pFile = new File();
    wchar_t* pWString = L"abcdefg\nhijklmn\nopqrst\nuvwxyz";

    pFile->Open("TextW.txt", File::Output);
    // fopen("TextW.txt", "w");
    pFile->WriteWText(pWString, ::wcslen(pWString));
    pFile->Close();
}

输出文件的内容是：“abcdefg਍栀碗樀欀氀洀ഀഀഀഀ瘀瘀瘀礀礀礀”，文件用Unicode。

我不知道它是否是“L'\ n'”的正确表达式，我之前从未使用过Unicode。谢谢你帮助我:)。

Answer 1

我刚注意到这个问题被标记为C和C ++：下面是讨论C ++中的情况。它完全忽略了使用，我不知道如何处理不同的编码。

在读取或写入文件时，您需要告诉系统文件的编码是什么，以便在读取时将文件中的字节转换为程序内部的字符，并在写入时将字符转换为字节。在许多情况下，完全忽略此转换，因为从字节到字符的转换是标识：字节可以解释为字符，反之亦然。当外部编码为ASCII时（在我的问题中，这被称为“ANSI”），这是真的。

假装UTF-8编码文件使用标识转换从字节转换为字符工作到某些扩展。 C ++中内部字符表示的原始愿景是每个字符有一个单位，例如一个char或wchar_t。尽管Unicode已经制定了一系列可以很好地实现此目标的目标（例如，每个角色由一个单位表示，单位大小为16位），但他们觉得牺牲了所有原始目标，我们最终得到了一个系统其中一个字符（我认为它们实际上称为“代码点”，但我不是Unicode专家）可以由多个单词组成（例如，当使用组合字符时）。在任何情况下，只要个别单位在不注意字符的情况下不会发生变异，通常可以将UTF-8作为char（例如std::string）和UTF-的序列进行处理。 16作为wchar_t的序列（例如std::wstring）。但是，当读取不同于UTF-8（或UTF-8子集的ASCII）的内容时，您需要小心设置流，以便知道使用了哪种编码。

设置文件流以了解特定编码的标准方法是创建一个合适的std::locale，其中包含在外部字节和内部字符之间使用其特定的std::codecvt<...>方面转换编码。如何实际获得相应的std::locale取决于个人实施。默认转换是为了假装程序使用ASCII的扩展名，该扩展名涵盖char的所有值。在读写UTF-8时，这应该可行。

我不确定“编写Unicode字符串”是什么意思，但从它的外观来看，你正在编写std::wstring而没有设置编码。

Answer 2

使用来源回答编辑过的问题：

void File::ReadWText(wchar_t* pString, uint32 uLength)是错误的。如果uLength是数组的大小（wchar_t string[size]）

while (.... && uIndex++ < uLength); 应为while (.... && (++uIndex)+1 < uLength);

否则pString[uIndex] = L'\0';可能会溢出！

新行问题.. L"abcdefg\nhijklmn\nopqrst\nuvwxyz"; windows使用\r\n作为新行。 L"abcdefg\r\nhijklmn\r\nopqrst\r\nuvwxyz";应该有用。

基于此msdn-thread unicode newline problem 和您的// fopen("TextW.txt", "w");，我相信您必须使用"wb"打开文件！否则\n将自动扩展为\r\n，这会阻碍您的unicode编码..

Answer 3

嗯这可能会有所帮助..

不要忘记在FF FE开头写BOM。

因为您还没有发布任何代码.. 我相信你把新行写成ASCII '\n'（如你的问题中所写）

对于新行，您需要撰写0D 00 0A 00

或者如果您想使用'\n'，则必须将其(short)'\n'

将Unicode字符串写入文件

3 个答案: