C++文本文件、汉字

Question

我有一个 C++ 项目，应该将 添加到每行的开头，将 添加到每行的末尾。这对于普通的英文文本来说效果很好，但是我有一个中文文本文件，我想对其执行此操作，但它不起作用。我通常使用 .txt 文件，但为此我必须使用 .rtf 来保存中文文本。运行我的代码后，它变得乱码。这是一个例子。

{\rtf1\adeflang1025\ansi\ansicpg1252\uc1\adeff31507\deff0\stshfdbch31506\stshfloch31506\stshfhich31506\stshfbi31507\deflang1033\deflangfe1033\themelang1033\themelangfe0\themelangcs0{\字体tbl{\f2\fbidi \fmodern\fcharset0\fprq1{*\panose 02070309020205020404}快递 新；}

代码：

int main()
{
    ifstream in;
    ofstream out;
    string lineT, newlineT;

    in.open("rawquote.rtf");
    if(in.fail())
       exit(1);
    out.open("itemisedQuote.rtf");
    do
    {
        getline(in,lineT,'\n');
        newlineT += "<item>";
        newlineT += lineT;
        newlineT += "</item>";
        if (lineT.length() >5)
        {
            out<<newlineT<<'\n';
        }
        newlineT = "";
        lineT = "";
    } while(!in.eof());
    return 0;
}

Answer 1

这看起来像 RTF，这是有道理的，因为你说这是一个 rtf 文件。

基本上，如果您在打开时转储该文件，您会看到它看起来像这样......

另外，您应该重新访问循环

std::string line;
while(getline(in, line, '\n'))
{
  // do stuff here, the above check correctly that you have indeed read in a line!
  out << "<item>" << line << "</item>" << endl;
}

Answer 2

您无法以与纯文本相同的方式读取 RTF 代码，因为您将忽略格式标记等，并且可能会破坏代码。

尝试使用 UTF-8（无 BOM）将中文文本保存为文本文件，您的代码应该可以工作。但是，如果其他一些 UTF-8 编码字符本质上包含换行符（现在不确定这部分），这可能会失败，因此您应该尝试进行真正的 UTF-8 转换并使用宽字符而不是常规字符读取文件（正如 Chan 建议的那样），使用 C++ 有点棘手。

Answer 3

这对非中文文本有效，真是一个奇迹。 “\n”不是 RTF 中的行分隔符，“\par”是。对于中文来说，RTF 标头受到更多损害的可能性肯定更大。

C++ 并不是解决这个问题的最佳语言。只要文件不会变得太大，这就是一个简单的 5 分钟 C# 程序：

using System;
using System.Windows.Forms;   // Add reference

class Program {
    static void Main(string[] args) {
        var rtb = new RichTextBox();
        rtb.LoadFile(args[0], RichTextBoxStreamType.RichText);
        var lines = rtb.Lines;
        for (int ix = 0; ix < lines.Length; ++ix) {
            lines[ix] = "<item>" + lines[ix] + "</item>";
        }
        rtb.Lines = lines;
        rtb.SaveFile(args[0], RichTextBoxStreamType.RichText);
    }
}

如果 C++ 是一个硬性要求，那么您就必须找到一个 RTF 解析器。

Answer 4

我认为你应该使用“wchar”作为字符串而不是“常规字符”。

Answer 5

如果我理解这段代码的目标，那么您的解决方案将不起作用。 RTF 文档中的换行符与可见文本中的换行符不对应。

如果您不能只使用纯文本（中文字符不是有效编码的问题），请查看 RTF 规范。你会发现这是一场噩梦。因此，最好的选择可能是可以解析 RTF 并逐行读取它的第三方库。我从来没有寻找过这样的图书馆，所以我的脑海中没有任何建议，但我确信它们就在那里。