C++ 从文件中读取三个奇怪的字符答案

【问题标题】：C++ reading from file puts three weird charactersC++ 从文件中读取三个奇怪的字符
【发布时间】：2012-05-12 03:43:54
【问题描述】：

当我逐个字符串读取文件时，>> 操作获取第一个字符串，但它以 "ï»¿i" 开头。假设第一个字符串是“street”，而不是“ï»¿itreet”。

其他字符串没问题。我尝试了不同的txt文件。结果是一样的。第一个字符串以“ï»¿i”开头。有什么问题？

这是我的代码：

#include <iostream>
#include <fstream>
#include <string>
#include <vector>
using namespace std;

int cube(int x){ return (x*x*x);}

int main(){

int maxChar;
int lineLength=0;
int cost=0;

cout<<"Enter the max char per line... : ";
cin>>maxChar;
cout<<endl<<"Max char per line is : "<<maxChar<<endl;

fstream inFile("bla.txt",ios::in);

if (!inFile) {
    cerr << "Unable to open file datafile.txt";
    exit(1);   // call system to stop
}

while(!inFile.eof()) {
    string word;

    inFile >> word;
    cout<<word<<endl;
    cout<<word.length()<<endl;
    if(word.length()+lineLength<=maxChar){
        lineLength +=(word.length()+1);
    }
    else {
        cost+=cube(maxChar-(lineLength-1));
        lineLength=(word.length()+1);
    }   
}

}

【问题讨论】：

Aside：从不使用.eof()作为循环条件。它几乎总是会产生错误的代码，就像您的情况一样。更喜欢在循环条件下做输入操作：string word; while(inFile >> word) { … }.

标签： c++ file-io byte-order-mark

【解决方案1】：

您看到的是 UTF-8 Byte Order Mark (BOM)。它是由创建文件的应用程序添加的。

要检测并忽略标记，您可以尝试这个（未经测试的）功能：

bool SkipBOM(std::istream & in)
{
    char test[4] = {0};
    in.read(test, 3);
    if (strcmp(test, "\xEF\xBB\xBF") == 0)
        return true;
    in.seekg(0);
    return false;
}

【讨论】：

另外你可能想提一下他读错了文件；它应该是 while (inFile >> word) 而不是 while (!inFile.eof())
@vk7x stackoverflow.com/questions/8880548/…
除非你在 if 语句之前添加一个 "(unsigned char)" 强制转换，否则上面的代码将不起作用，例如if ((unsigned char)test[0] == 0xEF && (unsigned char)test[1] == 0xBB && (unsigned char)test[2] == 0xBF)。要么，要么与 -17、-69 和 -65 进行比较。请参阅下面的答案。
@Contango，我不知道为什么我花了这么长时间才看到你的评论，但谢谢。我想出了一个完全不同的方法来解决这个问题，请参阅我的最新编辑。

【解决方案2】：

这是另外两个想法。

如果您是创建文件的人，请将它们的长度与它们一起保存，并在读取它们时，只需通过以下简单计算删除所有前缀：trueFileLength - savedFileLength = numOfByesToCut
在保存文件时创建自己的前缀，在阅读时搜索并删除之前找到的所有内容。

【讨论】：

【解决方案3】：

参考上面 Mark Ransom 的出色回答，添加此代码会跳过现有流上的 BOM（字节顺序标记）。打开文件后调用它。

// Skips the Byte Order Mark (BOM) that defines UTF-8 in some text files.
void SkipBOM(std::ifstream &in)
{
    char test[3] = {0};
    in.read(test, 3);
    if ((unsigned char)test[0] == 0xEF && 
        (unsigned char)test[1] == 0xBB && 
        (unsigned char)test[2] == 0xBF)
    {
        return;
    }
    in.seekg(0);
}

使用方法：

ifstream in(path);
SkipBOM(in);
string line;
while (getline(in, line))
{
    // Process lines of input here.
}

【讨论】：