需要说明如何使用c++在linux上创建utf-8编码文件。

Question

我需要一些关于在Linux上使用g++的文件编码的解释。

我有一个简单的代码：

int main ()
{
  FILE * pFile;
  char buffer[] = { 'x' , 'y' , 'z' ,'é' };
  pFile = fopen ("myfile", "wt, ccs=UTF-8");
  //pFile = fopen ("myfile", "wt");
  fwrite (buffer , sizeof(char), sizeof(buffer), pFile);
  fclose (pFile);
  return 0;
}

即使fopen行上添加了"ccs=UTF-8“部分，该程序的输出文件也总是用iso-8859-1编码。但是，如果我在Linux上使用vi创建包含这些字符的文件，则生成的文件是UTF-8编码的(我使用命令"file myfile“查看文件的编码模式，并使用"xxd -b myfile”确认此行为)。

所以我想说的是：

1-为什么Linux上的g++在默认情况下不创建UTF-8文件？

2-如果所创建的文件未用UTF-8编码，ccs=UTF-8的目的是什么？

如何根据这个简单的代码创建一个UTF-8文件？

谢谢。

Answer 1

您的文件可能在ISO-8859-1中，但实际上并非如此。很简单就坏了。

您的文件包含字节A9，它是UTF-8表示é的较低字节.

编写'é'时，编译器应该警告您：

 aaa.c:4:38: warning: multi-character character constant [-Wmultichar]
     char buffer[] = { 'x' , 'y' , 'z' ,'é' };
                                         ^

char不是字符的类型，而是一个字节的类型。GCC把多字节字符作为大数对待.在这里，您立即将其转换为char，留下最低的字节：A9

(顺便说一句，ISO-8859-1中的é是E9，而不是A9)

使用编码打开文件，然后将字节保存到文件中。字节对应于ISO-8859-1字符xyz©.

如果您想要写字符，而不是字节，那么使用wchar_t代替char，使用fputws代替fwrite

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

int main ()
{
  FILE * pFile;
  // note final zero and L indicating wchar_t literal
  wchar_t buffer[] = { 'x' , 'y' , 'z' , L'é' , 0};
  // note no space before ccs
  pFile = fopen ("myfile", "wt,ccs=UTF-8");
  fputws(buffer, pFile);
  fclose (pFile);
  return 0;
}