如何將 html 文件加載到內存中？

Question

我想將一個 html 文件加載到內存中（實際上是一個 wchar_t 字符串）。 這是代碼：

size_t myGetFileSize(const wchar_t *wcPath)
{
    struct _stat fileinfo;
    _wstat(wcPath, &fileinfo);
    return (fileinfo.st_size);
}
int LoadUtf8FileToString(const wchar_t *wcFilename, wchar_t **wcBuffer)
{
    FILE* file = _wfopen(wcFilename, L"rtS, ccs=UTF-8");
    if (file == NULL)
        return (0);
    size_t filesize = myGetFileSize(wcFilename);
    if (filesize > 0)
    {
        *wcBuffer = (wchar_t*) malloc(filesize * sizeof(wchar_t));
        size_t nRead = fread(*wcBuffer, sizeof(wchar_t), filesize, file);
        realloc(*wcBuffer, nRead * sizeof(wchar_t));
    }
    fclose(file);
    return(1);
}

當我將它導航到 iwebbrowser2 時，它會在頁面末尾顯示所有頁面和 4 個空方塊！ 我用谷歌搜索並找到了一個名為 wstring 的字符串類，並像這樣使用它：

std::wstring wString;
/////////////////////
wString->resize(filesize);
size_t wchars_read = fread(&(wString->front()), sizeof(wchar_t), filesize, file);
wString->resize(wchars_read);
wString->shrink_to_fit();

並將其導航到 iwebbrower2，一切都會好起來的！ 但是我不喜歡在我的程序中使用任何類！ 那么，請問我的代碼有什么問題？

Answer 1

你好像忘記了兩件事：一是UTF-8是變長編碼，一個字符可能是一個字節，也可能是六個字節。 你不能把它當作固定寬度的編碼來讀。 您忘記的另一件事是您獲得的文件的大小不是文件中的字符數，而是文件中的字節數。

事實上，如果您正在閱讀 HTML 文件，很可能很多文本都是單個字節，即所有標記。

簡而言之，文件不包含filesize字符，它包含filesize字節。 並且您嘗試讀取sizeof(wchar_t) * filesize字節，這就是fread調用將返回“錯誤”大小的原因。

Answer 2

1. realloc已經完全過時了。 您初始化了正確的內存量（不是真的，見下文）並且讀取的字節數只有在fread以某種方式失敗並讀取較少字符的情況下才會有所不同。 再說一次，即使它這樣做並且您縮小（！）分配的緩沖區，您也忘記更新指針，因此它仍將指向原始內存塊。 這實際上被realloc釋放了。 您可能會擺脫這種未定義的行為，因為（顯然）要么就地調整了內存塊的大小，要么因為realloc確定不需要調整大小。

2. 您在字符串的末尾獲得隨機字符，因為它是一個 string ，並且您沒有為終止零分配足夠的空間，也沒有編寫它。

3. filesize以字節為單位。 因此分配和讀取bytes ，而不是wchar_t單位。