46

如何wstring在 Windows 平台上将 Unicode (UTF-8) 文件读入 (s)？

4

6 回答 6

40

借助 C++11 支持，您可以使用std::codecvt_utf8 facet ，它封装了 UTF-8 编码字节字符串和 UCS2 或 UCS4 字符串之间的转换，可用于读取和写入 UTF-8 文件，包括文本和二进制文件.

为了使用facet，您通常会创建locale 对象 ，该对象将特定于文化的信息封装为一组共同定义特定本地化环境的 facet。一旦你有了一个语言环境对象，你就可以用它来填充你的流缓冲区：

#include <sstream>
#include <fstream>
#include <codecvt>

std::wstring readFile(const char* filename)
{
    std::wifstream wif(filename);
    wif.imbue(std::locale(std::locale::empty(), new std::codecvt_utf8<wchar_t>));
    std::wstringstream wss;
    wss << wif.rdbuf();
    return wss.str();
}

可以这样使用：

std::wstring wstr = readFile("a.txt");

或者，您可以在使用字符串流之前设置全局 C++ 语言环境，这会导致对std::locale默认构造函数的所有未来调用返回全局 C++ 语言环境的副本（然后您不需要显式地用它来填充流缓冲区）：

std::locale::global(std::locale(std::locale::empty(), new std::codecvt_utf8<wchar_t>));
于 2012-05-15T19:01:12.010 回答
15

根据@Hans Passant 的评论，最简单的方法是使用_wfopen_s。使用 mode 打开文件rt, ccs=UTF-8。

这是另一个至少适用于 VC++ 2010 的纯 C++ 解决方案：

#include <locale>
#include <codecvt>
#include <string>
#include <fstream>
#include <cstdlib>

int main() {
    const std::locale empty_locale = std::locale::empty();
    typedef std::codecvt_utf8<wchar_t> converter_type;
    const converter_type* converter = new converter_type;
    const std::locale utf8_locale = std::locale(empty_locale, converter);
    std::wifstream stream(L"test.txt");
    stream.imbue(utf8_locale);
    std::wstring line;
    std::getline(stream, line);
    std::system("pause");
}

除了locale::empty()（在这里locale::global()也可以工作）和构造函数的wchar_t*重载之外basic_ifstream，这甚至应该非常符合标准（当然，“标准”意味着 C++0x）。

于 2011-01-23T20:40:58.030 回答
7

这是仅适用于 Windows 的特定于平台的函数：

size_t GetSizeOfFile(const std::wstring& path)
{
    struct _stat fileinfo;
    _wstat(path.c_str(), &fileinfo);
    return fileinfo.st_size;
}

std::wstring LoadUtf8FileToString(const std::wstring& filename)
{
    std::wstring buffer;            // stores file contents
    FILE* f = _wfopen(filename.c_str(), L"rtS, ccs=UTF-8");

    // Failed to open file
    if (f == NULL)
    {
        // ...handle some error...
        return buffer;
    }

    size_t filesize = GetSizeOfFile(filename);

    // Read entire file contents in to memory
    if (filesize > 0)
    {
        buffer.resize(filesize);
        size_t wchars_read = fread(&(buffer.front()), sizeof(wchar_t), filesize, f);
        buffer.resize(wchars_read);
        buffer.shrink_to_fit();
    }

    fclose(f);

    return buffer;
}

像这样使用：

std::wstring mytext = LoadUtf8FileToString(L"C:\\MyUtf8File.txt");

请注意，整个文件已加载到内存中，因此您可能不想将其用于非常大的文件。

于 2011-01-23T18:24:26.927 回答
3 
#include <iostream>
#include <fstream>
#include <string>
#include <locale>
#include <cstdlib>

int main()
{
    std::wifstream wif("filename.txt");
    wif.imbue(std::locale("zh_CN.UTF-8"));

    std::wcout.imbue(std::locale("zh_CN.UTF-8"));
    std::wcout << wif.rdbuf();
}
于 2017-11-03T03:49:16.973 回答
0

这个问题在Confused about C++'s std::wstring, UTF-16, UTF-8 and display strings in a windows GUI 中得到解决。总之，wstring 基于 UCS-2 标准，它是 UTF-16 的前身。这是一个严格的两字节标准。我相信这涵盖了阿拉伯语。

于 2011-01-23T18:24:25.053 回答
-6

这有点原始，但是如何将文件作为普通的旧字节读取然后将字节缓冲区转换为 wchar_t* ？

就像是：

#include <iostream>
#include <fstream>
std::wstring ReadFileIntoWstring(const std::wstring& filepath)
{
    std::wstring wstr;
    std::ifstream file (filepath.c_str(), std::ios::in|std::ios::binary|std::ios::ate);
    size_t size = (size_t)file.tellg();
    file.seekg (0, std::ios::beg);
    char* buffer = new char [size];
    file.read (buffer, size);
    wstr = (wchar_t*)buffer;
    file.close();
    delete[] buffer;
    return wstr;
}
于 2012-10-18T20:53:44.053 回答