这个 UTF-8 中的 BOM 不正确吗？

Question

我想验证 UTF-8 中的 BOM，并编写了下面的 c++ 代码。

但是，结果是0XFFFFFFEF, 0XFFFFFFBB, 0XFFFFFFBF 。

这与我预期的0XEF, 0XBB, 0XBF 不同。

为什么结果变成了上面？

顺便说一下，使用的 UTF-8 文件是由 Notepad++ 制作的。

#include <iostream>
#include <fstream>

using namespace std;

int main()
{
        char file[]="/*UTF-8 file*/"; 
        
        char a[3]{};

        ifstream ifs(file, ios_base::binary);
        
        ifs.read(a, static_cast<streamsize>(sizeof(a)));
        
        cout << showbase << uppercase;
        
        for(int i:a){
                cout << hex << i << endl;
        }
}

环境

海湾合作委员会 9.2.0

编译选项：-std=c++2a

Answer 1

BOM 本身没问题。 您只是错误地打印出字节。

您看到的结果是由于将有符号的8 位char值符号扩展为有符号的 32 位整数。 char是有符号还是无符号是编译器定义的，除非您在代码中明确说明。 在您的情况下，您正在使用（隐式）签名char 。 有符号char值 > 127 将其高位设置为 1，这将在将有符号 8 位值扩展为有符号 32 位值时用 1 填充新位。

要正确输出字节，您需要对值进行零扩展，而不是符号扩展。 为此使用unsigned类型，例如：

#include <iostream>
#include <fstream>

using namespace std;

int main()
{
    char file[] = "/*UTF-8 file*/";
    unsigned char a[3];

    ifstream ifs(file, ios_base::binary);
    ifs.read(reinterpret_cast<char*>(a), sizeof(a));

    cout << showbase << uppercase;

    for(unsigned int i : a){
        cout << hex << setw(2) << setfill(‘0’) << i << endl;
    }
}