gpt4 book ai didi

c - 使用 fgetws() 和 UTF-8 的 EILSEQ

转载 作者:行者123 更新时间:2023-11-30 16:38:47 25 4
gpt4 key购买 nike

以下 C 代码使用 fgetws()stdin 读取行并将其写入 stdout

#include <stdio.h>
#include <locale.h>
#include <wchar.h>

#define STR_LEN 128

int main(int argc, char **argv)
{
FILE *infile = stdin, *outfile = stdout;
wchar_t str[STR_LEN];

if (setlocale(LC_ALL, "en.UTF-8") == NULL) {
fprintf(stderr, "Cannot set locale\n");
return 1;
}


for (;;) {

if (!fgetws(str, STR_LEN, infile)) {
if (feof(infile)) {
break;
}
perror("fgetws()");
continue;
}
str[wcscspn(str, L"\r\n")] = L'\0';

if (fwprintf(outfile, L"%ls\n", str) < 0) {
perror("fwprintf()");
}

}

return 0;
}

它总是可以完美地处理 ASCII 文件,但有时在读取 UTF-8 数据时会从 fgetws() 收到 EILSEQ 错误(非法字节序列),而我无法找出原因。

在输出文件中,导致错误的行被截断,然后缺少一些字符,剩余部分位于下一行。奇怪的是,如果我只给出那一行,那么我不会收到任何错误。

例如,如果我读取一个只有几行 UTF-8 行的文件,那就没问题;如果我多次重复相同的行,那么我会得到 EILSEQ

我几乎确定该文件已正确编码。

我使用带有 musl-libc 的 Linux。

我的代码有什么问题?

编辑:我收到几个 EILSEQ 错误,具体取决于输入大小,但我不知道两者之间的确切关系。

使用相同的输入,我在同一行得到相同的错误。

它似乎不是触发错误的特定偏移量或字符,但我可能是错的。

编辑2:我也在 OpenBSD 上测试了代码并且它可以工作。此时我怀疑这个问题与Linux或musl-libc有关。

最佳答案

UTF-8使用char来存储字符,其工作方式与ANSI相同。唯一的区别是语言字符可以比一个字符长。

wchar_t 和 Wide-C 字符串函数用于 Windows 中的 UTF-16。在 Linux 中,您可以使用 char16_t 来存储 UTF-16,但前提是您正在使用 UTF-16 文件。显然这里的情况并非如此。

只需使用 char 函数来处理 UTF-8,与处理 ANSI 的方式完全相同:

char str[STR_LEN];
while(fgets(str, STR_LEN, infile))
{
str[strcspn(str, "\r\n")];
fprintf(outfile, "%s\n", str);
}

关于c - 使用 fgetws() 和 UTF-8 的 EILSEQ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47368448/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com