使用C ++，如何從非二進制文件中讀取特定長度的字符串？

Question

讀取文本文件的cplusplus.com示例顯示，可以使用getline函數讀取一行。 但是，我不想得到一整條線。 我只想獲取一定數量的字符。 如何以保留字符編碼的方式完成此操作？

我需要一個執行以下操作的函數：

ifstream fileStream;
fileStream.open("file.txt", ios::in);
resultStream << getstring(fileStream, 10); // read first 10 chars
file.ftell(10); // move to the next item
resultStream << getstring(fileStream, 10); // read 10 more chars

我曾考慮過要讀取一個char緩沖區，但這不會更改字符編碼嗎？

Answer 1

我真的懷疑這里的“字符”一詞會引起混淆。 從OP的問題來看，他使用的是“字符”一詞來指代一個char （與邏輯“字符”相對，例如多字節UTF-8字符），因此是出於閱讀文本的目的-文件術語“字符”可以與“字節”互換。

在這種情況下，您可以使用ifstream::read(),從磁盤讀取一定數量的字節ifstream::read(),例如

ifstream fileStream;
fileStream.open("file.txt", ios::in);
char buffer[1024];
fileStream.read(buffer, sizeof(buffer));

讀入char緩沖區根本不會影響字符編碼。 磁盤上存儲的確切字節序列將被復制到緩沖區中。

但是，如果您使用的每個字符都是可變長度的多字節字符集，則情況就不同了。 如果字符不是固定大小，則無法通過一次磁盤讀取就從磁盤中准確讀取N個字符。 這不是C ++的限制，這僅僅是處理塊設備（磁盤）的現實。 在操作系統的最低級別，塊設備以塊為單位尋址，而塊又由字節組成。 因此，您始終可以從磁盤讀取確切數目的字節 ，但不能從磁盤讀取確切數目的邏輯字符 ，除非每個字符都是固定數目的字節。 對於UTF-8這樣的字符集（其中每個字符都是可變長度），您將不得不讀入整個文件，或者執行推測性讀取，並在每次讀取后解析讀取緩沖區，以確定是否需要讀取更多內容。

Answer 2

C ++本身沒有字符編碼的概念。 char的大小始終與wchar_t相同。 因此，如果您需要讀取多字節字符集（例如utf-8）的X個char ，那么您要么必須一次讀取一個（單字節） char （例如，使用getchar() -或X個char ，推測性地，使用istream::getline()並自己測試MBCS信號，或者使用第三方庫來執行此操作。

如果字符集是固定寬度的編碼，並且您不介意在換行時停下來，則可能需要getline() （它允許您指定要讀取的最大字符數）。

Answer 3

正如少數人提到的那樣，C / C ++標准庫實際上並沒有提供在本質上在字節級別以上運行的任何內容。 因此，如果您只想使用核心庫來執行此操作，則沒有現成的選項。

這要么檢查您選擇的平台是否提供另一個實現此功能的庫，要么編寫您自己的解析器以處理字符編碼，要么將類似“ c ++ utf8庫”或“ posix unicode”的內容打入Google並查看一下出現。

可能有趣的命中：

• UTF-8和Unicode常見問題
• UTF-CPP

我將進一步調查留給讀者。

Answer 4

我認為您可以使用與流緩沖區關聯的流的sgetn成員函數...

char buf [32]; streamsize i = fileStream.rdbuf（）-> sgetn（＆buf [0]，10）;

它將讀取10個字符到buf中（如果有10個可讀取的字符），返回讀取的字符數。