當我將文件讀入字符串時會發生什么

Question

對於一個小程序，在這里看到，我發現使用 gcc-libstdc++ 和 clang++ - libc++ 將文件內容讀入字符串可以按預期使用 std::string 本身：

  std::string filecontents;
  {
    std::ifstream t(file);
    std::stringstream buffer;
    buffer << t.rdbuf();
    filecontents = buffer.str();
  }

后來我修改了字符串。 例如

 ending_it = std::find(ending_it, filecontents.end(), '$');
*ending_it = '\\';
 auto ending_pos
          = static_cast<size_t>(std::distance(filecontents.begin(), ending_it));
 filecontents.insert(ending_pos + 1, ")");

即使文件包含非 ascii 字符（如希臘語 lambda），這仍然有效。 我從未搜索過這些 unicode 字符，但它們在字符串中。 后來我 output 字符串到std::cout 。

這是否保證在 C++17（及更高版本）中工作？

問題是：在什么條件下，我可以通過std::ifstream將文件內容讀入std::string ，像上面那樣處理字符串並期望事情正常工作。

據我所知， std::string使用char ，它只有 1 個字節。 因此，令我驚訝的是，該方法適用於文件中的非 ascii 字符。

Answer 1

感謝@user4581301 和@PeteBecker 的有用評論讓我理解了這個問題。

這個問題源於一個錯誤的心理 model 的std::string ，或者更根本的是一個錯誤的 model 的char 。 這很好地解釋了here和here 。

我隱含地認為，一個 char 在更通俗的意義上擁有一個“字符”，因此知道它的編碼。 相反，一個字符實際上只包含一個字節（在 c++ 中，在 c 中其定義略有不同）。 因此，將文件讀入字符串始終是明確定義的，因為字符串首先只是一個字節數組。

這也意味着以“字符”可以跨越多個字節的編碼讀取文件會導致這些字符跨越std::string中的多個索引。 從字符串中輸出單個字符時，可以看出這一點。

幸運的是，只要文件是 ascii 編碼或 utf8 編碼，ascii 字符的字節表示只能在編碼該字符時出現。 這意味着在文件的字符串中搜索一個 ascii 字符將准確地找到這些字符，而不是別的。 因此，上述搜索'$'並在指向 ascii 字符的索引后插入 substring 的操作不會損壞字符串中的字符。

將字符串輸出到終端，然后只需移交要由終端解釋的字節。 如果終端知道 utf8，它將相應地解釋字節。