Cin 和 getline 不会正确保存非 ascii 字符

Question

我正在尝试打开一个路径包含非 ascii 字符的文件。用户将文件拖到 cmd 中，我使用 getline 获取路径。 当我尝试使用用户提供的路径打开文件时，它不起作用。

#include <iostream>
#include <string>
#include <fstream>
#include <cstdlib>

using namespace std;

int main() {
    string userInput;   //Saves the user input
    string autoInput = "C:\\Espolón\\file.txt"; //Specifying the path like this works
    ifstream file1; //For opening the file with the userInput
    ifstream file2; //For opening the file with autoInput

    getline(cin, userInput);

    system("CLS");  //Clears the CMD

    file1.open(userInput);  //This throws an error. Note that I didn't use is_open for cleaner code but im actually using it in my tests
    file2.open(autoInput);  //This works perfectly


    cout << "User input: " + userInput << endl<<"Auto input: " + autoInput << endl; //Both show correctly in the CMD
    system("pause");
}

虽然 cout 正确显示了所有内容，但在调试时我发现 userInput 非 ascii 字符 'ó' 正在更改为 '¢' ("C:\Espol¢n\file.txt") 但自动输入是正确存储（“C:\Espolón\file.txt”）： screen capture. 因此，如果文件有特殊字符，我无法使用用户提供的路径打开文件。

我尝试使用在其他类似问题中读到的宽字符：

#include <iostream>
#include <string>
#include <fstream>
#include <cstdlib>

using namespace std;

int main() {
    wstring userInput;  //Saves the user input
    string autoInput = "C:\\Espolón\\file.txt"; //Specifying the path like this works
    ifstream file1; //For opening the file with the userInput
    ifstream file2; //For opening the file with a fix string

    getline(wcin, userInput);

    system("CLS");  //Clears the CMD

    file1.open(userInput);  //This throws an error. Note that I didn't use is_open for cleaner code but im actually using it in my tests
    file2.open(autoInput);  //This works perfectly


    wcout << L"User input: " + userInput << endl;
    cout<<"Auto input: " + autoInput << endl; //Both show correctly in the CMD
    system("pause");
}

但问题仍然存在。 我也尝试将编码更改为 Unicode，但没有任何改变。

欢迎任何帮助！ （对不起，英语不好）

Answer 1

Windows API 需要 UTF16LE 格式的 Unicode，而不是 UTF8。宽字符串字符和函数在 Windows 中被视为 UTF16。

字母 ó 是 ANSI，而不是 ASCII。 Windows 也支持 ANSI。如果您的程序在您自己的计算机上运行，​​您通常可以使用 ANSI，但即便如此，您也可能会遇到问题。如果您想使用 ANSI，请尽量不要将其与 UTF16 和宽字符串格式（std::wstring）混合使用

Windows 8 和 10 对 UTF8 的控制台支持有限。但如果您想避免 UTF8 的陷阱，建议使用 UTF16。

这里是 UTF16 版本：

#include <iostream>
#include <string>
#include <fstream>
#include <cstdlib>
#include <io.h> 
#include <fcntl.h> 

using namespace std;

int main()
{
    _setmode(_fileno(stdout), _O_U16TEXT);
    _setmode(_fileno(stdin), _O_U16TEXT);

    wstring userInput;  
    wstring autoInput = L"C:\\Espolón\\file.txt";
    ifstream file1, file2;

    getline(wcin, userInput);

    file1.open(userInput);
    file2.open(autoInput);
    wcout << L"file1: " << (file1.good() ? L"good\n" : L"bad\n");
    wcout << L"file2: " << (file1.good() ? L"good\n" : L"bad\n");

    wcout << L"User input: " + userInput << endl;
    wcout << L"Auto input: " + autoInput << endl;
    system("pause");

    return 0;
}

---

基于 Unix 的系统使用 UTF8。请注意，这些系统不容易与 UTF16 相处。他们使用std::wstring 用于UTF32。在大多数情况下，您可以简单地将std::string 用于 Linux、Mac 等中的 UTF8。

---

文本文件可能包含 ASCII 格式、ANSI、UTF8 或 UTF16 的文本。建议使用 UTF8 兼容。

在 Windows 中，以 UTF8 格式存储文本文件。使用这些函数在 UTF8 和 UTF16 之间来回转换：

//need at least c++11 for writable std::string::data()
std::string get_u8(const std::wstring u16)
{
    if(u16.empty()) return std::string();
    int size = WideCharToMultiByte(CP_UTF8, 0, u16.c_str(), -1, 0, 0, 0, 0);
    std::string u8(size, 0);
    WideCharToMultiByte(CP_UTF8, 0, u16.c_str(), -1, u8.data(), size, 0, 0);
    return u8;
}

std::wstring get_u16(const std::string u8)
{
    if(u8.empty()) return std::wstring();
    int size = MultiByteToWideChar(CP_UTF8, 0, u8.c_str(), -1, 0, 0);
    std::wstring u16(size, 0);
    MultiByteToWideChar(CP_UTF8, 0, u8.c_str(), -1, u16.data(), size);
    return u16;
}