引导坏角色答案

【问题标题】：Leading bad characters引导坏角色
【发布时间】：2014-09-16 01:32:08
【问题描述】：

我使用 ifstream 在文件中第一个单词的开头收到 3 个错误字符。我尝试修剪字符串，但无济于事。

string trim(string in){
    string out;
    int strBegin = in.find_first_not_of(" \t");
    if( strBegin == string::npos)
        return "";//nothing

    int strEnd = in.find_last_not_of(" \t");
    int strRange = strEnd - strBegin + 1;

    out = in.substr(strBegin, strRange);
    transform(out.begin(), out.end(), out.begin(), ::tolower);

    return out;
}

这是我在读取文件中的第一个单词“Hello”时得到的输出。

� i: 0
�� i: 1
�he i: 2
hell i: 3
ello i: 4
llo i: 5
lo i: 6
o i: 7

这是从以下位置打印的：

for(int i=0; i<temp.length(); i++){
    cout<<temp.substr(i,i+1)<<" i: "<<i<<endl;
}

txt 文件上的 cat -vg

M-oM-;M-?Hello, world test

文件实际上包含“Hello, World test”作为第一行

【问题讨论】：

int strRange = strEnd - strRange + 1; 未定义行为（strRange 未初始化）。你的意思可能是int strRange = strEnd - strBegin + 1;。
谢谢你，但仍然会产生相同的输出。
使用十六进制查看器检查文件。我敢打赌，实际上，在实际数据之前的文件中存在“不寻常”的字符。也许是byte-order mark。除此之外，您的代码appears to work
你有什么问题？
这看起来就像您在不支持 UTF8 的终端上打印某些 UTF8（或其他宽）字符时得到的结果，所以我猜您可能遇到了意外的字符编码问题。

标签： c++ string ifstream

【解决方案1】：

您的文档开头有一个 UTF-8 byte order mark，它由十六进制的 3 字节序列 EF BB BF 组成（相当于 M-oM-;M-?，在 cat -vt 的语言中）。

您需要修改您的程序以适当地处理 BOM（即忽略它）或重新编码您的文本文件以删除 BOM。许多文本编辑程序不会在您的文档中显示 BOM，因此您可能认为它不存在，但它仍然存在。

【讨论】：