c++ - 未能找到 std::wstring 中存在的 wchar_t

Question

我在玩 std::wstring和 std::wfstream ，当我遇到奇怪的行为时。即，看起来 std::basic_string<wchar_t>::find 无法找到某些字符。考虑以下代码:

int main()
{
    std::wifstream input("input.txt");
    std::wofstream output("output.txt");

    if(!(input && output)){
        std::cerr << "file(s) not opened";
        return -1;
    }

    std::wstring buf;
    std::getline(input, buf);

    output << buf;

    std::cout << buf.find(L'ć');
}

这里我只是简单地阅读input的第一行文件并将其写入 output文件。程序运行前，第一个文件的内容为aąbcćd并且输出文件为空。执行代码后，输入文件成功复制到输出文件中。

令我惊讶的是，我试图找到一个 ć buf中的字母并遇到了上述奇怪的行为。程序执行后，我确认输出文件完全包含 aąbcćd ，其中显然包含提到的字符 ć .

但是，std::cout << buf.find(L'ć') 行没有按预期表现。我没想到会得到 4 的输出，给定 std::wstring 的内存布局, 但我也 绝对没想到会得到 std::string::npos 。值得一提的是，使用该方法查找正则ASCII字符是成功的。

综上所述，上述代码正确地将输入文件的第一行复制到输出文件，但未能在字符串中找到负责保存要复制的数据的字符(返回 npos)。为什么会这样？是什么导致了 find在这里失败？

注意:这两个文件在 Windows 上都是 UTF-8 编码的。

Answer 1

不幸的是 wchar_t 不是 UTF-8，它是 UTF-16(在 Windows 上)，当您读取 UTF-8 文件时不会发生神奇的转换。如果调试程序，您会在 buf 变量中看到损坏的字符。

您要么需要将字符串作为 std::string 读取，然后从 UTF-8 转换为 whar_t，要么使用 UTF-8 并将您的文字字符串从whcar_t 到 UTF-8 字符的 std::string。

如果您使用的是最新的编译器，您可以使用以下命令创建 UTF-8 字符串文字:

u8"ć"

以下应该有效:

int main()
{
    std::ifstream input("input.txt");
    std::ofstream output("output.txt");

    if(!(input && output)){
        std::cerr << "file(s) not opened";
        return -1;
    }

    std::string buf;
    std::getline(input, buf);

    output << buf;

    std::cout << buf.find(u8"ć");
}