在C ++中從fstream識別立陶宛字母

Question

我的IT老師有一項任務，要找出給定文本中有多少個字母，數字，空格和其他符號。 問題在於文本是用立陶宛字母（Š，š，Ę，ę，Ų，ų等）編寫的，我不知道如何在C ++中識別它們。 為了計算每種類型的符號的計數，我使用getline()函數逐行從fstream讀取文本到string ，然后遍歷字符串，比較每個字符與其文字，例如(c >= 'A' && c <= 'Z')表示它是一個大寫字母，但不適用於立陶宛語字符。 我猜該文本文件以Unicode格式保存。 請幫助我識別文本中的立陶宛字母。

Answer 1

我認為您可能必須打開二進制文件，例如（fileName，ios :: in | ios :: binary）; 並逐字節讀取文件

Answer 2

據我了解，您的文本以utf-8編碼存儲。 如果它是utf-16或utf-32-您的getline（）函數幾乎總是返回一個或零個符號，我想您會注意到這一點。 這里描述的UTF-8： https : //ru.wikipedia.org/wiki/UTF-8 。 您可以使用standart庫將utf-8字符串轉換為wstring： UTF8到STL中的寬字符轉換 。 然后，您可以使用map <wchar，int>來計算不同符號的計數。

Answer 3

我必須管理utf8並最終使用utf8-cpp

對於所有與utf8相關的實際問題，我建議閱讀以下內容：

隨處可見utf8