getline() 读取 UTF-8 表情符号字符时到达文件末尾

Question

我正在编写一个处理大型分隔文件的 C++ 程序。

我有一个 UTF-8 csv 文件，其中包含一行带有 (emoji?) 字符 🌟 的行。它看起来像这样：

123,"james","piotrj🌟","1996-01-28"

当我在这一行调用

getline()

时，它会读取表情符号，然后停止。所以从

getline()

得到的字符串是

123,"james","piotrj

。我不确定为什么会发生这种情况。如果我不得不猜测，我使用的区域设置不正确，并且这个表情符号（或其一部分）被解读为

EOF

。

我想按原样读取这一行，进行一些字符串操作，然后将其写入另一个文件。

我这里有一些示例代码：

locale loc("en_US.UTF8");
wifstream inFile;
inFile.imbue(loc);
inFile.open("MyFile.csv");
if(inFile.is_open()){
  wstring str;
  if (getline(inFile, str)) {
    wcout << str << endl;
  }
  if (getline(inFile, str)) {
    wcout << str << endl;
  }
  inFile.close();
}

此代码的输出是：

123,"james","piotrj

。第二个 if 语句主体不执行，因为第二个

getline()

没有抓取任何内容。

为了尝试一些事情，我将语言环境更改为：

locale loc = locale();

区域设置的名称是“C”，这将获取整行。该程序的输出是：

123,"james","piotrj🌟","1996-01-28"

。这是朝着正确方向迈出的一步，但如果没有正确的区域设置，wstring 将无法正确存储它。在我的程序中，我做了一些单独的字符检查，看看该字符串是否可以用 ANSI 表示，因此我真的希望 wstring 将该表情符号作为一个字符。

Answer 1

我想说一下我对

getline()

和

iostream

的个人看法。我希望它可以防止您和其他人犯错误并在生产代码中使用它。在使用 C++ 30 多年后，我得出的结论是，与 C 的严格规则相比，iostream 是为 C++ 中的任何操作符分配任何操作的可能性的鲜明证明。这是一个很好的例子，可以放入本书的第一页：

cout<<"Hello, world\n";

它仍然是 C++ 语言，但它 1) 非常慢，2) 它不会抛出异常，并且需要在每个 << or >> 之后进行错误检查，程序员通常不会这样做，因为所有示例都有很多 << in one line without any error checks. I would add 3) no detail documentations, because no-one interested to make detailed documentation for these classes, they are really joke classes only for demonstration purposes.

我的建议 - 如果您需要使用 IO，请使用 C stdio，它并没有过时，它由 C 程序员使用并支持，并且非常可预测。如果您需要 UTF8 和任何语言支持，请使用 ICU 库：它并不简单，但它涵盖了该领域所需的所有内容。