C ++：从文件读取alt键符号

Question

我正在尝试从一个Unicode UTF-8文件读取Alt键符号，然后写入另一个文件。

输入文件看起来像这样>

ỊịỌọỤụṄṅ

输出文件如下所示>

239 187 191 225 187 138 225 187 139 225 187 140 225 187 141 225 187 164 225 187 165 225 185 132 225 185 133（每3位数组合后为'\\ n'，而不是''）

码：

#include <iostream>
#include <fstream>
#include <string>
#include <sstream>
#include <Windows.h>


///convert as ANSI - display as Unicode
std::wstring test1(const char* filenamein)
{
    std::wifstream fs(filenamein);
    if(!fs.good()) 
    { 
        std::cout << "cannot open input file [" << filenamein << "]\n" << std::endl;  

        return NULL; 
    }

    wchar_t c; 
    std::wstring s;

    while(fs.get(c)) 
    { 
        s.push_back(c); 
        std::cout << '.' << std::flush; 
    }

    return s;

}

int printToFile(const char* filenameout, std::wstring line)
{
    std::wofstream fs;

    fs.open(filenameout);

    if(!fs.is_open())
        return -1;

    for(unsigned i = 0; i < line.length(); i++)
    {
        if(line[i] <= 126)  //if its standard letter just print to file
            fs << (char)line[i];
        else  //otherwise do this.
        {
            std::wstring write = L"";

            std::wostringstream ss;
            ss << (int)line[i];

            write = ss.str();

            fs << write;
            fs << std::endl;
        }
    }

    fs << std::endl;


    //2nd test, also fails
    char const *special_character[] = { "\u2780", "\u2781", "\u2782",
  "\u2783", "\u2784", "\u2785", "\u2786", "\u2787", "\u2788", "\u2789" };

    //prints out four '?'
    fs << special_character[0] << std::endl;
    fs << special_character[1] << std::endl;
    fs << special_character[2] << std::endl;
    fs << special_character[3] << std::endl;

    fs.close();

    return 1;
}

int main(int argc, char* argv[])
{
    std::wstring line = test1(argv[1]);

    if(printToFile(argv[2], line) == 1)
        std::cout << "Writing success!" << std::endl;
    else std::cout << "Writing failed!" << std::endl;



    return 0;
}

我所期望的与该表中的值类似：

http://tools.oratory.com/altcodes.html

Answer 1

好的，根据您的代码和注释，我了解以下内容：

• 您有一个包含UTF-8编码字符串的输入文件
• 您正在Windows上将其阅读为宽字符，但没有插入任何语言环境

所以这是实际发生的事情：

您的代码一次正确地读取一个字节的文件，作为ANSI文件（就像它是Win1252编码的一样）。 然后，程序将显示所有字节的代码值。 我可以确认您在帖子中显示的字节列表是utf-8编码字符串ỊịỌọỤụṄṅ ，不同之处在于notepad ++在开始时添加了字节顺序标记（U + FEFF），而这在UTF8文件中通常不使用-BOM是3个字节239187191（十进制）或0xef 0xbb 0xbf（十六进制）

那你该怎么办？

一种简单的解决方案（使用Windows时）是要求notepad ++将文件编码为UTF16LE，这是Windows中的本机u​​nicode格式。 这样，您实际上将读取unicode字符。

另一种方法是指示您的代码将文件作为UTF8处理。 在Linux上这是微不足道的，但在Windows上却很难，因为从VC2010开始仅对UTF8进行了正确处理。 SO的另一篇文章展示了如何在C ++流中注入UTF8语言环境。

很抱歉没有提供代码，但是我只有一个不支持UTF8流的旧VC2008 ...而且我讨厌提供未经测试的代码。