无法读取C中的UNICODE文本文件

Question

（我查看了以前的帖子，并尝试了他们的建议，但无济于事。）

我正在尝试读取仅包含日语字符的文件。 该文件如下所示：

ゲ。ゲ？ゲ？ゲ？

当我尝试读取它时，控制台中没有任何输出显示，而在调试时，读取缓冲区只是垃圾。 这是我用来读取文件的功能：

wchar_t* ReadTextFileW(wchar_t* filePath, size_t numBytesToRead, size_t maxBufferSize, const wchar_t* mode, int seekOffset, int seekOrigin)
{
    size_t numItems = 0;
    size_t bufferSize = 0;
    wchar_t* buffer = NULL;
    FILE* file = NULL;

    //Ensure the filePath does NOT lead to a device.
    if (IsPathADevice(filePath) == false)
    {
        //0 indicates to read as much as possible (the max specified).
        if (numBytesToRead == 0)
        {
            numBytesToRead = maxBufferSize;
        }

        if (filePath != NULL && mode != NULL)
        {
            //Ensure there are no errors in opening the file.
            if (_wfopen_s(&file, filePath, mode) == 0)
            {
                //Set the cursor location (back to the beginning of the file by default).
                if (fseek(file, seekOffset, seekOrigin) != 0)
                {
                    //Error: Could not change file cursor position.
                    fclose(file);
                    return NULL;
                }

                //Calculate the size of the buffer in bytes.
                bufferSize = numBytesToRead * sizeof(wchar_t);

                //Create the buffer to store file data in.
                buffer = (wchar_t*)_aligned_malloc(bufferSize, BYTE_ALIGNMENT);

                //Ensure the buffer was allocated.
                if (buffer == NULL)
                {
                    //Error: Buffer could not be allocated.
                    fclose(file);
                    return NULL;
                }

                //Clear any garbage data in the buffer.
                memset(buffer, 0, bufferSize);

                //Read the data from the file.
                numItems = fread_s(buffer, bufferSize, sizeof(wchar_t), numBytesToRead, file);

                //Check for read errors.
                if (numItems <= 0)
                {
                    //Error: File could not be read.
                    fclose(file);
                    _aligned_free(buffer);
                    return NULL;
                }

                //Ensure the file is closed without errors.
                if (fclose(file) != 0)
                {
                    //Error: File did not close properly.
                    _aligned_free(buffer);
                    return NULL;
                }

            }
        }
    }

    return buffer;
}

要调用此函数，我正在做以下事情。 也许我没有正确使用setlocale（），但是从我的阅读看来，我是。 只是重申一下，我遇到的问题是，似乎已读取垃圾并且控制台中什么也没有显示：

    setlocale(LC_ALL, "jp");
    wchar_t* retVal = ReadTextFileW(L"C:\\jap.txt");
    printf("%S\n", retVal);
    _aligned_free(retVal);

我的.cpp顶部也定义了以下内容

#define UNICODE
#define _UNICODE

解决了：

要解决此问题，就像ryyker提到的那样，您需要知道用于创建原始文件的编码。 在记事本和记事本++中，有一个用于编码的下拉菜单。 默认情况下（以及最常用的是）UTF-8。

一旦知道了编码，就可以将_wfopen_s（）的读取模式更改为以下模式。

wchar_t* retVal = ReadWide::ReadTextFileW(L"C:\\jap.txt", 0, 1024, L"r, ccs=UTF-8");
MessageBoxW(NULL, retVal, NULL, 0);
_aligned_free(retVal);

您必须使用消息框来打印外来字符。

Answer 1

这是摘录，讨论了使用Notepad ++创建的日语编码内容 （在注释中表示为OP使用）

双字节编码，按用法也称为双字节字符集（DBCS）

其中一些预先存在Unicode，并且被设计为使用大量字符对字符集进行编码，这些字符集主要在表意文字或音节文字的远东语言中找到：

 The 2 Bytes Universal Character Set : UCS-2 Big Endian and UCS-2 Little Endian The Japanese Code Page : Shift-JIS ( Windows-932 ) The Chinese Code Pages : Simplified Chinese GB2312 ( Windows-936 ), Traditionnal Chinese Big5 ( Windows-950 ) The Korean Code Pages : Windows 949, EUC-KR 

看来Shift-JIS可能是您尝试读取的编码。 从这里

Shift JIS（Shift日本工业标准，也称为SJIS，MIME名称Shift_JIS）是日语的字符编码，最初由一家名为ASCII Corporation的日本公司与Microsoft联合开发。

通常，您需要确定用于在文件中创建多字节字符的编码，然后才能使用C或任何其他语言的函数正确地读出它们。 此链接可能会有所帮助 。

Answer 2

您读取文件内容并将其基本上复制到分配的内存缓冲区中。

但关键是：文件中使用哪种编码来存储日语文本？

例如，如果文本以UTF-8编码，则应该从UTF-8转换为UTF-16（例如使用MultiByteToWideChar Win32 API），因为您似乎在内存中有wchar_t缓冲区。

如果使用的是Visual Studio的最新版本，则还可以在传递给_wfopen_s 的模式字符串中指定一些编码信息 （使用ccs标志）。

编辑由于您正在使用printf打印读取缓冲区的内容，因此请确保缓冲区为NUL终止。