C++ 如何检索文件 BOM 以获取其编码类型？答案

【问题标题】：C++ How can I retrieve a file BOM to get its type of encoding?C++ 如何检索文件 BOM 以获取其编码类型？
【发布时间】：2023-03-18 16:49:02
【问题描述】：

我不知道它是否可能，但有没有办法检索文件的前 4 个字节（很可能是 BOM）以获得其编码类型（UTF-8、UTF-16LE、CP1252 ， ETC...）。然后，如果所选文件以 UTF-8 编码，则在数组“tabBytes[]”中找到的值将类似于：

    tabBytes[0] = 0xEF
    tabBytes[1] = 0xBB
    tabBytes[2] = 0xBF
    tabBytes[3] = XXXX

感谢您抽出时间帮助我！我期待着阅读您的 cmets 和答案。

编辑：我是 C++ 新手，所以我之前写的代码可能是错误的，因此我将其删除。

最终编辑：感谢帮助我的人，我终于找到了解决问题的方法！

【问题讨论】：

您的新代码没有任何意义。您不能将字节分配给std::string。你为什么要制作一个字符串数组？为什么要在堆上分配 4 个字节？为什么不把它们放在堆栈上一次呢？这样你就不需要临时内存、字符串或复制步骤了。
我该怎么做？就像之前评论中所说的那样，我是 C++ 新手，我真的不知道如何做这种事情，所以我的代码可能是错误的，这就是我寻求帮助的原因。

【解决方案1】：

数组索引从 0 开始，因此您使用 buffer[fourBytes] = '\0'; 写入缓冲区的末尾。如果你想这样做，你需要分配fourBytes + 1 字节。这应该可以阻止您在删除缓冲区时遇到的崩溃。

但是，像这样以空值终止缓冲区的唯一原因是，如果您想将其视为 C 风格的字符串（例如，将其打印出来），您似乎并没有这样做。您将其复制到 tabBytes，但您没有复制空终止符。所以目前还不清楚你到底想要达到什么目的。

您从文件中读取前几个字节的整体逻辑很好。尽管基于上面的代码，您可以直接将数据读入tabBytes，并取消buffer 的分配/复制/释放。

【讨论】：