c++ - 无法在 C++ 中将一些 utf-8 字符正确打印到 txt 文件

Question

我的内存中有一些 UTF-8 字符串(这是一个更大系统的一部分)，它们基本上是欧洲国家的地名。我想做的是将它们写入文本文件。我在我的 Linux 机器 (Fedora) 上。因此，当我将这些名称字符串(字符指针)写入文件时，文件将以扩展的 ASCII 格式保存。

现在我将这个文件复制到我的 Windows 机器上，我需要在其中将这些名称加载到 mySQL 数据库中。当我在 notepad++ 上打开文本文件时，它再次默认编码为 ANSI。但我可以选择编码为 UTF-8，几乎所有字符看起来都符合预期，除了以下 3 个字符:- Ő、ő 和 ű。它们在文本中显示为 Ő、ő 和 ű。

有没有人想过什么可能是错的。我知道这些不是扩展 ASCII 符号的一部分。但是我将其写入文件的方式类似于:

// create out file stream
std::ofstream fs("sample.txt");

// loop through utf-8 formatted string list
if(fs.is_open()) {
    for(int i = 0; i < num_strs; i++) {
        fs << str_name; // unsigned char pointer representing name in utf-8 format
        fs << "\n";
    }
}
fs.close();

即使使用 ú、ö 和 ß 等字符，一切看起来也不错。问题仅出在上述 3 个字符上。对此有什么想法/建议/评论吗？谢谢!

例如，像“Gyömrő”这样的字符串显示为“Gyömrű”。

Answer 1

您需要确定在哪个阶段引入了意外的 Ő HTML 实体。我最好的猜测是，它们已经在您写入文件的字符串中。使用调试器或添加测试代码来计算字符串中的 &s。

这意味着，您的信息源并不严格对非 ASCII 字符使用 UTF-8，而是偶尔使用 HTML entities .这很奇怪，但如果您的数据源是 HTML 文件(或类似文件)，则有可能。

此外，您可能希望以 HEX 模式查看输出文件。 (Notepad++ 有一个不错的插件)这可能有助于您理解 UTF-8 在字节级别上的真正含义:128 个 ASCII 符号使用 0-127 值的一个字节。其他符号使用 2-6 个字节(我认为)，其中第一个字节必须 >127。 HTML 实体实际上并不是一种编码，更像是一种转义序列，例如 '\n' '\r'。