在C ++中从fstream识别立陶宛字母

Question

我的IT老师有一项任务，要找出给定文本中有多少个字母，数字，空格和其他符号。 问题在于文本是用立陶宛字母（Š，š，Ę，ę，Ų，ų等）编写的，我不知道如何在C ++中识别它们。 为了计算每种类型的符号的计数，我使用getline()函数逐行从fstream读取文本到string ，然后遍历字符串，比较每个字符与其文字，例如(c >= 'A' && c <= 'Z')表示它是一个大写字母，但不适用于立陶宛语字符。 我猜该文本文件以Unicode格式保存。 请帮助我识别文本中的立陶宛字母。

Answer 1

我认为您可能必须打开二进制文件，例如（fileName，ios :: in | ios :: binary）; 并逐字节读取文件

Answer 2

据我了解，您的文本以utf-8编码存储。 如果它是utf-16或utf-32-您的getline（）函数几乎总是返回一个或零个符号，我想您会注意到这一点。 这里描述的UTF-8： https : //ru.wikipedia.org/wiki/UTF-8 。 您可以使用standart库将utf-8字符串转换为wstring： UTF8到STL中的宽字符转换 。 然后，您可以使用map <wchar，int>来计算不同符号的计数。

Answer 3

我必须管理utf8并最终使用utf8-cpp

对于所有与utf8相关的实际问题，我建议阅读以下内容：

随处可见utf8