【发布时间】：2016-07-03 18:31:03
【问题描述】：
我一直在努力尝试从 UTF8 文件中提取 int：
#include <iostream>
#include <fstream>
#include <sstream>
using namespace std;
int main()
{
ifstream file("UTF8.txt");
if(file.is_open())
{
string line;
getline(file, line);
istringstream ss(line);
int a;
ss >> a;
if(ss.fail())
{
cout << "Error parsing" << endl;
ss.clear();
}
getline(file, line);
cout << a << endl << line << endl;
file.close();
}
}
该文件包含 2 行：“42”和“è_é”，并以 UTF8 格式保存在记事本中。当文件为 ANSI 时，上述方法有效，但在 Unicode 时失败。我尝试了很多事情，最有希望的是设置语言环境，但我希望程序独立于计算机的语言环境（即即使 PC 是美国的也能读取汉字）。 老实说，我现在没有想法。如果可能，我想避免使用 Qt 中的 CStrings。
更新
以下显示“0”、“解析错误”，因为文件开头有一个奇怪的字符。一个空行，在读取时丢弃，就在数字使其工作之前，但我无法在最终程序中更改文件。口音在控制台中没有正确显示，但是当我将输出写入文件时一切都很好，这就是我所需要的。所以只是文件开头的那个问题！
#include <fstream>
#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
#include <sstream>
int main()
{
std::ifstream file("UTF8.srt");
file.imbue(std::locale(file.getloc(),
new std::codecvt_utf8<wchar_t,0x10ffff,std::consume_header>));
if (file.is_open()) {
std::string line;
std::getline(file,line);
std::istringstream ss{line};
int a;
ss >> a;
if (ss.fail()) {
std::cout << "Error parsing" << std::endl;
ss.clear();
}
getline(file,line);
std::cout << a << std::endl << line << std::endl;
file.close();
}
}
解决方案
以下工作，输入文件内容如下：
5
bla bla é_è
6
truc è_é
代码：
#include <cstdint>
#include <iostream>
#include <fstream>
#include <sstream>
// Do not get used to it:
// using namespace std;
inline const char* skip_utf8_bom(const char* s, std::size_t size)
{
if(3 <= size && s[0] == char(0xEF) && s[1] == char(0xBB) && s[2] == char(0xBF))
s += 3;
return s;
}
int main()
{
std::ifstream file("UTF8.txt");
std::ofstream fileO("UTF8_copy.txt");
if(!file || !fileO) {
std::cout << "Error opening files" << std::endl;
}
else {
std::string line;
//Parse the first number
std::getline(file, line);
{
const char* linePtr = skip_utf8_bom(line.c_str(), line.size());
std::istringstream input(linePtr);
int a = -1;
input >> a;
if( ! input) {
std::cout << "Error parsing" << std::endl;
}
std::cout << "Number 1: " << a << std::endl;
fileO << a << std::endl;
}
//Copy the following line as is
std::getline(file, line);
fileO << line << std::endl;
//Discard empty line, copy it in the output file
std::getline(file, line);
fileO << std::endl;
//Parse the second number
std::getline(file, line);
{
const char* linePtr = skip_utf8_bom(line.c_str(), line.size());
std::istringstream input(linePtr);
int a = -1;
input >> a;
if( ! input) {
std::cout << "Error parsing" << std::endl;
}
std::cout << "Number 1: " << a << std::endl;
fileO << a << std::endl;
}
//Copy the following line as is
std::getline(file, line);
fileO << line << std::endl;
file.close();
fileO.close();
}
return 0;
}
【问题讨论】：
-
在十六进制编辑器中打开文件 - 可能有 UTF8 的 BOM
-
什么意思？什么是 BOM？
-
检查 notepad++ 文本编辑器（可以轻松检查/转换为任何格式，整体很棒的编辑器），Windows 的 utf-8 文本文件应该包含 BOM，正如@MisterMystère 所说。
-
解决更新代码中的解析错误；将
ifstream更改为wifstream，将string更改为wstring，将istringstream更改为wistringstream。