在 c++ 中读取和写入西里尔文文件

Question

我必须首先读取西里尔文文件，然后随机选择随机行数并将修改后的文本写入不同的文件。拉丁字母没有问题，但我遇到了西里尔文字的问题，因为我得到了一些垃圾。这就是我尝试做这件事的方式。

文件 input.txt

ааааааа
ббббббб
ввввввв

比如说，我必须读取

vector<wstring> inputVector;
wstring inputString, result;
wifstream inputStream;
inputStream.open("input.txt");
while(!inputStream.eof())
{
    getline(inputStream, inputString);              
    inputVector.push_back(inputString);
}
inputStream.close();    

srand(time(NULL));
int numLines = rand() % inputVector.size();
for(int i = 0; i < numLines; i++)
{
    int randomLine = rand() % inputVector.size();
    result += inputVector[randomLine];
}

wofstream resultStream;
resultStream.open("result.txt");
resultStream << result;
resultStream.close();

，并将每一行放入向量中：那么我该如何使用西里尔字母，以便它生成可读的内容，而不仅仅是符号？

Answer 1

因为您看到类似的内容 ■aaaaaaa 1 1 1 1 1 1 1 2 2 2 2 2 2 2 ♦ 打印到控制台，看起来 input.txt< /code> 以 UTF-16 编码进行编码，可能是 UTF-16 LE + 物料清单。如果将文件的编码更改为 UTF-8，则可以使用原始代码。

使用UTF-8的原因是，无论文件流的char类型如何，basic_fstream的底层basic_filebuf都使用codecvt对象将 char 对象流与 char 类型对象流相互转换；即读取时，从文件中读取的 char 流会转换为 wchar_t 流，但写入时，会转换为 wchar_t 流到一个 char 流，然后写入文件。对于 std::wifstream，codecvt 对象是标准 std::codecvt 的实例，通常将 UTF-8 转换为 UCS-16。

正如 的 MSDN 文档页面中所述basic_filebuf：

basic_filebuf 类型的对象是使用 char * 类型的内部缓冲区创建的，无论类型参数 Elem 指定的 char_type 是什么。这意味着 Unicode 字符串（包含 wchar_t 字符）在写入内部缓冲区之前将被转换为 ANSI 字符串（包含 char 字符）。

同样，当读取 Unicode 字符串（包含 wchar_t 字符）时，basic_filebuf 将从文件中读取的 ANSI 字符串转换为返回到的 wchar_t 字符串getline 和其他读取操作。

如果您将 input.txt 的编码更改为 UTF-8，您的原始程序应该可以正常运行。

作为参考，这对我有用：

#include <cstdlib>
#include <ctime>
#include <fstream>
#include <iostream>
#include <string>
#include <vector>

int main()
{
    using namespace std;

    vector<wstring> inputVector;
    wstring inputString, result;
    wifstream inputStream;
    inputStream.open("input.txt");
    while(!inputStream.eof())
    {
        getline(inputStream, inputString);
        inputVector.push_back(inputString);
    }
    inputStream.close();

    srand(time(NULL));
    int numLines = rand() % inputVector.size();
    for(int i = 0; i < numLines; i++)
    {
        int randomLine = rand() % inputVector.size();
        result += inputVector[randomLine];
    }

    wofstream resultStream;
    resultStream.open("result.txt");
    resultStream << result;
    resultStream.close();

    return EXIT_SUCCESS;
}

请注意，result.txt 的编码也将是 UTF-8（通常）。

Answer 2

为什么要使用 wifstream - 您是否确信您的文件由一系列（取决于系统）宽字符组成？几乎可以肯定事实并非如此。 （最值得注意的是，系统的宽字符集在 C++ 程序范围之外实际上并不是确定的）。

相反，只需按原样读取输入字节流并相应地回显它：

std::ifstream infile(thefile);
std::string line;
std::vector<std::string> input;

while (std::getline(infile, line))   // like this!!
{
  input.push_back(line);
}

// etc.