- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个以 UTF-8 编码的文件,如以下命令所示: file -i D.txt D.txt: text/plain; charset=utf-8
我只想一个接一个地显示每个字符,所以我这样做了:
FILE * F_entree = fopen("D.txt", "r");
if (! F_entree) usage("impossible d'ouvrir le fichier d'entrée");
char ligne[TAILLE_MAX];
while (fgets(ligne, TAILLE_MAX, F_entree))
{
string mot = strtok(strdup(ligne), "\t");
while (*mot++){printf("%c \n", *mot) ;}
}
但特殊字符在终端(在 Ubuntu 12 上)中显示不佳(而是显示 <?>
)。我认为问题在于%c 中只能存放ASCII 码,但我如何显示那些特殊字符?
将这些字符保存在内存中(以实现树索引)的好方法是什么? (我知道最后一个问题不清楚,请不要犹豫,要求澄清。)
最佳答案
它不起作用,因为您的代码将多字节字符拆分为单独的字符。由于您的控制台期望一个有效的多字节代码,在看到第一个代码后,它没有收到正确的代码,您得到您的 <?>
-- 自由翻译,“嗯?”。它没有收到正确的代码,因为您在其中填充了空格和换行符。
如果您以正确的顺序发送正确的代码,您的控制台只能正确解释 UTF8 字符。算法是:
识别UTF8多字节字符的起始和长度的过程是这样的:
0x80
进行测试足以将它们与 UTF8 区分开来。110xxxxx
、 1110xxxx
、 11110xxx
、 111110xx
或 1111110x
之一。每个唯一的位模式都有相关联的额外字节数。例如,第一个需要 一个 额外的字节。 xxx
位与来自下一个字节的位组合以形成 16 位或更长的 Unicode 字符。 (毕竟,这就是 UTF8 的意义所在。)10xxxxxx
。重要提示:没有以前的模式以此代码开头!因此,只要您看到任何 UTF8 字符,您就可以立即显示它和所有“下一个”代码,只要它们以位模式 10......
开头.这可以使用位掩码进行有效测试: value & 0xc0
,结果应该是 0x80
。任何其他值都意味着它不再是“下一个”字节,所以你就完成了。
所有这些只有在您的源文件是有效的 UTF8 时才有效。如果您看到一些奇怪的输出,那很可能不是。如果您需要检查输入文件的有效性,您确实需要在维基百科页面中实现整个表,并检查每个 110xxxxx
字节是否真的后面跟着一个 10xxxxxx
字节,等等.出现在自身上的模式 10xxxxxx
表示错误。
权威的必读书籍是 Joel Spolsky 的 The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) 。有关更多背景信息,另请参阅 UTF-8 and Unicode FAQ for Unix/Linux。
我下面的代码解决了您的一些其他问题。我使用了英文变量名(参见 Meta Stackoverflow "Foreign variable names etc. in code" )。在我看来 strdup
是没有必要的。此外,string
是一个 C++ 表达式。
我的代码不会“修复”或处理 UTF-8 打印以外的任何内容。由于您使用 strtok
,代码仅在输入文件的每一行上打印第一个 \t
制表符之前的文本。我假设你知道你在那里做什么 ;-)
补充: 啊,忘了解决问题 2,“将这些字符保存在内存中的好方法是什么”。 UTF8 旨在最大限度地兼容 C 类型 char
字符串。您可以安全地存储它们。您不需要做任何特殊的事情来在支持 UTF8 的控制台上打印它们——好吧,除非您像这里一样做一些事情,将它们打印为单独的字符。 printf
应该可以很好地处理整个单词。
如果您需要 strcmp
、 strchr
和 strlen
的 UTF8 感知等效项,您可以滚动自己的代码(请参阅上面的 Wikipedia 链接)或找到一个好的预制库。 (我故意遗漏了 strcpy
!)
#define MAX_LINE_LENGTH 1024
int main (void)
{
char line[MAX_LINE_LENGTH], *word;
FILE *entry_file = fopen("D.txt", "r");
if (!entry_file)
{
printf ("not possible to open entry_file\n");
return -1;
}
while (fgets(line, MAX_LINE_LENGTH, entry_file))
{
word = strtok(line, "\t");
while (*word)
{
/* print UTF8 encoded characters as a single entity */
if (*word & 0x80)
{
do
{
printf("%c", *word);
word++;
} while ((*word & 0xc0) == 0x80);
printf ("\n");
} else
{
/* print low ASCII characters as-is */
printf("%c \n", *word);
word++;
}
}
}
return 0;
}
关于c - 特殊字符在 Linux 终端中显示不正确,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25097275/
这个问题已经有答案了: How to do case insensitive string comparison? (23 个回答) 已关闭 3 年前。 用户在我的输入栏中写入“足球”,然后执行第 6
啊,不习惯 javascript 中的字符串。 character_id= + id + correct= + correctOrIncorrect 这就是我需要制作成字符串的内容。如果您无法猜测字符
$(function() { var base_price = 0; CalculatePrice(); $(".math1").on('change', function(e) { Calc
我找不到任何文章回答问题:将Spinnaker部署到Spinnaker将管理的同一Kubernetes集群是否安全/正确?我主要是指生产,HA部署。 最佳答案 我认为Spinnaker和Kuberne
我正在使用MSVC在Windows上从源代码(官方源代码发布,而不是从仓库中)构建Qt5(Qt 5.15.0)。 我正在设置环境。变量,依赖项等,然后运行具有1600万个选项的configure,最后
我需要打印一个包含重复单词的数组。我的数组已经可以工作,但我不知道如何正确计算单词数。我已经知道,当我的索引计数器 (i) 为 49 时,并且当 (i) 想要计数到 50 时,我会收到错误,但我不知道
我正在遵循一个指南,该指南允许 Google map 屏幕根据屏幕尺寸禁用滚动。我唯一挣扎的部分是编写一个代码,当我手动调整屏幕大小时动态更改 True/False 值。 这是我按照说明操作的网站,但
我有一个类“FileButton”。它的目的是将文件链接到 JButton,FileButton 继承自 JButton。子类继承自此以使用链接到按钮的文件做有用的事情。 JingleCardButt
我的 friend 数组只返回一个数字而不是所有数字。 ($myfriends = 3) 应该是…… ($myfriends = 3 5 7 8 9 12). 如果我让它进入 while 循环……整个
这个问题在这里已经有了答案: Is there a workaround to make CSS classes with names that start with numbers valid?
我正在制作一个 JavaScript 函数,当调整窗口大小时,它会自动将 div 的大小调整为与窗口相同的宽度/高度。 该功能非常基本,但我注意到在调整窗口大小时出现明显的“绘制”滞后。在 JS fi
此问题的基本视觉效果可在 http://sevenx.de/demo/bootstrap-carousel/inc.carousel/tabbed-slider.html 获得。 - 如果你想看一看。
我明白,如果我想从函数返回一个字符串文字或一个数组,我应该将其声明为静态的,这样当被调用的函数被返回时,内容就不会“消亡”。 但我的问题是,当我在函数内部使用 malloc 分配内存时会怎样? 在下面
在 mySQL 数据库中存储 true/false/1/0 值最合适(读取数据消耗最少)的数据字段是什么? 我以前使用过一个字符长的 tinyint,但我不确定它是否是最佳解决方案? 谢谢! 最佳答案
我想一次读取并处理CSV文件第一行中的条目(例如打印)。我假设使用Unix风格的\n换行符,没有条目长度超过255个字符,并且(现在)在EOF之前有一个换行符。这意味着它是fgets()后跟strto
所以,我们都知道 -1 > 2u == true 的 C/C++ 有符号/无符号比较规则,并且我有一种情况,我想有效地实现“正确”比较。 我的问题是,考虑到人们熟悉的尽可能多的架构,哪种方法更有效。显
**摘要:**文章的标题看似自相矛盾。 本文分享自华为云社区《Java异常处理:如何写出“正确”但被编译器认为有语法错误的程序》,作者: Jerry Wang 。 文章的标题看似自相矛盾,然而我在“正
我有一个数据框,看起来像: dataDemo % mutate_each(funs(ifelse(. == '.', REF, as.character(.))), -POS) # POS REF
有人可以帮助我使用 VBScript 重新格式化/正确格式化带分隔符的文本文件吗? 我有一个文本文件 ^分界如下: AGREE^NAME^ADD1^ADD2^ADD3^ADD4^PCODE^BAL^A
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我是一名优秀的程序员,十分优秀!