[英]Write a string with non-ASCII characters in it - error only if string is a variable?
我正在尝试将其中包含非ASCII字符的字符串写入文件,例如“maçã”,“pé”等。
我目前正在做这样的事情:
_setmode(_fileno(stdout), _O_U16TEXT);
//I added the line above recently to the question,
//but it was in the code before, I forgot to write it
//I also included some header files, to be able to do that
//can't really remember which, if necessary I'll look it up.
wstring word=L"";
wstring file = L"example_file.txt"
vector<wstring> my_vector;
wofstream my_output(file);
while(word != L".")
{
getline(wcin, word);
if(word!= L".")
my_vector.pushback(word);
}
for(std::vector<wstring>::iterator j=my_vector.begin(); j!=my_vector.end(); j++)
{
my_output << *j << endl;
//element pointed by iterator going through the whole vector
my_output << L("maçã pé") << endl;
}
my_output.close();
现在,如果我输入“maçã”,“pé”和“。” 作为单词(向量中仅存储前两个),文件的输出相当奇怪:
我尝试使用wcin >> word
代替getline(wcin, word)
并写入控制台而不是文件,结果是相同的:错误地写入变量字符串,直接在代码中完美地写入字符串。
我找不到发生这种情况的原因,因此我们将不胜感激。
编辑:我正在Windows 7中使用Visual C ++ 2010
编辑2 :添加了我错过的另一行代码。 (刚开始时)
编辑3:按照SigTerm的建议,我意识到问题出在输入:wcin和getline都没有以正确的格式将字符串获取为可变的wstring word
。 因此,问题是,您是否知道是什么原因或如何解决?
尝试包括
#include <locale>
在main的开头,写
std::locale::global(std::locale(""));
Windows使编码混乱,因为控制台通常使用“ OEM”代码页,而GUI应用程序使用“ ANSI”代码页。 每个版本都随所用Windows的本地化版本而有所不同。 在美国Windows上,OEM代码页为437,而ANSI代码页为1252。
记住以上几点,将流设置为所使用的语言环境即可解决此问题。 如果在控制台中工作,请使用控制台的代码页:
wcin.imbue(std::locale("English_United States.437"));
wcout.imbue(std::locale("English_United States.437"));
但是请记住,大多数代码页都是单字节编码,因此只能理解256个可能的Unicode字符:
wstring word;
wcin.imbue(std::locale("English_United States.437"));
wcout.imbue(std::locale("English_United States.437"));
getline(wcin, word);
wcout << word << endl;
wcout << L"maçã pé" << endl;
这将在控制台上返回:
maça pé
maça pé
代码页437不包含ã
。
如果满足以下条件,则可以从控制台使用代码页1252:
chcp 1252
。 English_United States.1252
States.125对流进行注入。 写入文件有类似的问题。 如果您在记事本中查看文件,它将使用ANSI代码页来解释文件中的字节。 因此,即使控制台应用程序正在使用代码页437,如果使用437代码页编写,记事本也会错误地显示文件。 在代码页1252中写入文件也无济于事,因为这两个代码页无法解释同一组Unicode代码点。 该问题的一些答案是使用其他文件查看器(例如Notepad ++)或使用支持所有Unicode字符的UTF-8写入文件。
您与此处描述的问题相反。
核心原因是相同的:“ ASCII” 1范围128-256中的字符标准化程度低于32-127范围中的字符。 大多数Windows应用程序,无论使用“ Unicode”还是“ ANSI”字符串,都使用Unicode指定的代码和字符之间的相同映射。 但是,出于历史原因,控制台使用了一个单独的代码-字符映射,通常称为“代码页”。 使用的确切表取决于Windows的语言和配置。 对于美国英语计算机,这是OEM 437代码页 。
当您在控制台中键入ç
时,您实际上是在输入字符代码135,因为这是在控制台使用的437代码页中分配给该字符的代码。 Windows的其余部分将Unicode表中所述的字符代码解释为字符‡
。
您可以使用OemToChar
( 此处的文档 )将通过控制台输入的文本转换为Unicode编码的相应字符串。
有关其他背景信息,请参见此处 。
1是,该范围是技术性的,不是ASCII,但足够接近。 我还在整个过程中使用Unicode的通常的非正式(技术上是错误的)定义。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.