Чтение файла UIF-8 Unicode в wstring

Ответ 1

С поддержкой С++ 11 вы можете использовать std:: codecvt_utf8 facet, который инкапсулирует преобразование между кодированной байтовой строкой UTF-8 и символьной строкой UCS2 или UCS4 и который может использоваться для чтения и записи файлов UTF-8, как текстовых, так и двоичных.

Чтобы использовать facet, вы обычно создаете объект локали, который инкапсулирует информацию, относящуюся к культуре, как набор граней, которые в совокупности определяют конкретную локализованную среду. После того, как у вас есть локальный объект, вы можете imbue создать свой буфер потока:

#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();
}

который можно использовать следующим образом:

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

В качестве альтернативы вы можете установить глобальную локаль С++, прежде чем работать со строковыми потоками, что приводит ко всем будущим вызовам конструктора по умолчанию std::locale, чтобы вернуть копию глобального С++ locale (вам не нужно явно вводить в него потоковые буферы):

std::locale::global(std::locale(std::locale::empty(), new std::codecvt_utf8<wchar_t>));

Ответ 2

Согласно комментарию @Hans Passant, самый простой способ - использовать _wfopen_s. Откройте файл с режимом rt, ccs=UTF-8.

Вот еще одно чистое решение на С++, которое работает как минимум с VС++ 2010:

#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");
}

За исключением locale::empty() (здесь может работать и locale::global()) и перегрузки wchar_t* конструктора basic_ifstream, это должно быть даже довольно стандартно (где "standard" означает С++ 0x, конечно).

Ответ 3

Здесь определенная для платформы функция только для Windows:

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;
}

Используйте так:

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

Обратите внимание, что весь файл загружен в память, поэтому вы можете не использовать его для очень больших файлов.

Ответ 4

Этот вопрос был рассмотрен в Confused о std:: wstring, UTF-16, UTF-8 в С++ и отображении строк в графическом интерфейсе Windows. В целом, wstring основывается на стандарте UCS-2, который является предшественником UTF-16. Это строго двухбайтовый стандарт. Я считаю, что это охватывает арабский язык.

Ответ 5

#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();
}

Ответ 6

Это немного грубо, но как насчет чтения файла в виде простых старых байтов, а затем байт-буфер на wchar_t *?

Что-то вроде:

#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;
}