C++读取文本文件 .

转：   http://blog.csdn.net/lightlater/article/details/6326338

写在开始

最近在做一个东东，遇到文件读取的问题，遂开始研究，使用C++读取文本文件比较简单，也是一个很好的切入点，所以进行了一些小实验。



这里仅仅举例，使用ANSI,UNICODE,UTF-8三种常用的文本文件作为示例。





关于文本文件的文件头

第一 ANSI文件的文件头为空，不需要处理；

第二 UNICODE文件的文件头为0xFF,0xFE共计两个字节，读取时需要偏移两个字节再行读取；

第三 UTF-8文件的文件头为0xEF,0xBB,0xBF共计三个字节，读取时需要偏移三个字节后再行读取；





关于文本文件类型的判断

根据文本文件的文件头，就可以判断文本文件的类型了。

假设有如下文件类型定义：

typedef enum FileType

{

    ANSI = 0,

    UNICODE,

    UTF8,

}FILETYPE;



我们就可以根据上述特性，来判断文本文件的类型了，下面是一段示例代码：

FILETYPE GetTextFileType(const std::string & strFileName)

{

    FILETYPE fileType = ANSI;

    std::ifstream file;

    file.open(strFileName.c_str(), std::ios_base::in);



    bool bUnicodeFile = false;

    if (file.good())

    {

        char szFlag[3] = {0};

        file.read(szFlag, sizeof(char) * 3);

        if ((unsigned char)szFlag[0] == 0xFF

        && (unsigned char)szFlag[1] == 0xFE)

        {

                fileType = UNICODE;

        }

        else if ((unsigned char)szFlag[0] == 0xEF

        && (unsigned char)szFlag[1] == 0xBB

        && (unsigned char)szFlag[2] == 0xBF)

        {

            fileType = UTF8;

        }

    }



    file.close();



    return fileType;

}





ANSI文本文件的读取

ANSI文本文件不需要进行文件头的处理，可以直接读取。

下面是简单示例：

char szBuf[FBLOCK_MAX_BYTES];

memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES);



std::string strMessage;



FILE * fp = NULL;

fp = fopen(strFileName.c_str(), "rb");

if (fp != NULL)

{

    // common file do not offset.

    while(fread(szBuf, sizeof(char), FBLOCK_MAX_BYTES, fp) > 0)

    {

        strMessage += szBuf;

        memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES);

    }

}



std::cout << strMessage << std::endl;



fclose(fp);





UNICODE文本文件读取

由于UNICODE普遍采用双字节来表示字符，因此读取时，当使用wchar_t类型来读取，使用fopen,fread来进行操作。

下面是简单示例：

wchar_t szBuf[FBLOCK_MAX_BYTES];

memset(szBuf, 0, sizeof(wchar_t) * FBLOCK_MAX_BYTES);



std::string strMessage;



FILE * fp = NULL;

fp = fopen(strFileName.c_str(), "rb");

if (fp != NULL)

{

    // Unicode file should offset wchar_t bits(2 byte) from start.

    fseek(fp, sizeof(wchar_t), 0);

    while(fread(szBuf, sizeof(wchar_t), FBLOCK_MAX_BYTES, fp) > 0)

    {

        char szTemp[FBLOCK_MAX_BYTES] = {0};



        UnicodeToANSI(szTemp, szBuf);

        strMessage += szTemp;

        memset(szBuf, 0, sizeof(wchar_t) * FBLOCK_MAX_BYTES);

    }

}



std::cout << strMessage << std::endl;



fclose(fp);





UTF8文本文件的读取

UTF8是可变字节，使用单一字节读取比较合理，所以读取时，使用char作为基本类型。

下面是简单示例代码：

char szBuf[FBLOCK_MAX_BYTES];

memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES);



std::string strMessage;



FILE * fp = NULL;

fp = fopen(strFileName.c_str(), "rb");

if (fp != NULL)

{

    // UTF-8 file should offset 3 byte from start position.

    fseek(fp, sizeof(char) * 3, 0);

    while(fread(szBuf, sizeof(char), FBLOCK_MAX_BYTES, fp) > 0)

    {

        strMessage += szBuf;

        memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES);

    }

}



std::cout << strMessage << std::endl;



fclose(fp);







后记

文本文件的读取并非一个大的问题，但是使用的较多，而各个开发部门一般使用成熟的库，开发人员很少可以接触到低层的东东。

当无力支持购买成熟库的时候，就需要自己来做些东西了，这里仅仅是一个开始。



附录：测试源代码

view plaincopy to clipboardprint?
01.#include <assert.h>  
02.#include <windows.h>  
03.#include <iostream>  
04.#include <fstream>  
05.#include <string>  
06. 
07.const int FBLOCK_MAX_BYTES = 256; 
08. 
09.// File Type.  
10.typedef enum FileType 
11.{ 
12.    ANSI = 0, 
13.    UNICODE, 
14.    UTF8, 
15.}FILETYPE; 
16. 
17.FILETYPE GetTextFileType(const std::string & strFileName); 
18. 
19.int UnicodeToANSI(char * pDes, const wchar_t * pSrc); 
20. 
21.void main() 
22.{ 
23.    // file test.  
24.    std::string strFileANSI = "C://Hello_ANSI.txt"; 
25.    std::string strFileUNICODE = "C://Hello_UNICODE.txt"; 
26.    std::string strFileUTF8 = "C://Hello_UTF8.txt"; 
27. 
28.    // please change the file name to test.  
29.    std::string strFileName = strFileUTF8; 
30. 
31.    FILETYPE fileType = GetTextFileType(strFileName); 
32. 
33.    if (UNICODE == fileType) 
34.    { 
35.        wchar_t szBuf[FBLOCK_MAX_BYTES]; 
36.        memset(szBuf, 0, sizeof(wchar_t) * FBLOCK_MAX_BYTES); 
37. 
38.        std::string strMessage; 
39. 
40.        FILE * fp = NULL; 
41.        fp = fopen(strFileName.c_str(), "rb"); 
42.        if (fp != NULL) 
43.        { 
44.            // Unicode file should offset wchar_t bits(2 byte) from start.  
45.            fseek(fp, sizeof(wchar_t), 0); 
46.            while(fread(szBuf, sizeof(wchar_t), FBLOCK_MAX_BYTES, fp) > 0) 
47.            { 
48.                char szTemp[FBLOCK_MAX_BYTES] = {0}; 
49. 
50.                UnicodeToANSI(szTemp, szBuf); 
51.                strMessage += szTemp; 
52.                memset(szBuf, 0, sizeof(wchar_t) * FBLOCK_MAX_BYTES); 
53.            } 
54.        } 
55. 
56.        std::cout << strMessage << std::endl; 
57. 
58.        fclose(fp); 
59.    } 
60.    else if (UTF8 == fileType) 
61.    { 
62.        char szBuf[FBLOCK_MAX_BYTES]; 
63.        memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES); 
64.         
65.        std::string strMessage; 
66.         
67.        FILE * fp = NULL; 
68.        fp = fopen(strFileName.c_str(), "rb"); 
69.        if (fp != NULL) 
70.        { 
71.            // UTF-8 file should offset 3 byte from start position.  
72.            fseek(fp, sizeof(char) * 3, 0); 
73.            while(fread(szBuf, sizeof(char), FBLOCK_MAX_BYTES, fp) > 0) 
74.            { 
75.                strMessage += szBuf; 
76.                memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES); 
77.            } 
78.        } 
79.         
80.        std::cout << strMessage << std::endl; 
81.         
82.        fclose(fp); 
83.    } 
84.    else 
85.    { 
86.        char szBuf[FBLOCK_MAX_BYTES]; 
87.        memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES); 
88.         
89.        std::string strMessage; 
90.         
91.        FILE * fp = NULL; 
92.        fp = fopen(strFileName.c_str(), "rb"); 
93.        if (fp != NULL) 
94.        { 
95.            // common file do not offset.  
96.            while(fread(szBuf, sizeof(char), FBLOCK_MAX_BYTES, fp) > 0) 
97.            { 
98.                strMessage += szBuf; 
99.                memset(szBuf, 0, sizeof(char) * FBLOCK_MAX_BYTES); 
100.            } 
101.        } 
102. 
103.        std::cout << strMessage << std::endl; 
104.         
105.        fclose(fp); 
106.    } 
107. 
108.#ifdef _DEBUG  
109.    getchar(); 
110.#endif  
111.} 
112. 
113.FILETYPE GetTextFileType(const std::string & strFileName) 
114.{ 
115.    FILETYPE fileType = ANSI; 
116.    std::ifstream file; 
117.    file.open(strFileName.c_str(), std::ios_base::in); 
118.     
119.    bool bUnicodeFile = false; 
120.    if (file.good()) 
121.    { 
122.        char szFlag[3] = {0}; 
123.        file.read(szFlag, sizeof(char) * 3); 
124.        if ((unsigned char)szFlag[0] == 0xFF  
125.            && (unsigned char)szFlag[1] == 0xFE) 
126.        { 
127.            fileType = UNICODE; 
128.        } 
129.        else if ((unsigned char)szFlag[0] == 0xEF  
130.            && (unsigned char)szFlag[1] == 0xBB  
131.            && (unsigned char)szFlag[2] == 0xBF) 
132.        { 
133.            fileType = UTF8; 
134.        } 
135.    } 
136. 
137.    file.close(); 
138. 
139.    return fileType; 
140.} 
141. 
142.int UnicodeToANSI(char * pDes, const wchar_t * pSrc) 
143.{ 
144.    assert(pDes != NULL); 
145.    assert(pSrc != NULL); 
146. 
147.    int nLen = ::WideCharToMultiByte(CP_ACP, 0, pSrc, -1, NULL, 0, NULL, NULL); 
148.    if (nLen == 0)  
149.    { 
150.        return -1; 
151.    } 
152. 
153.    return ::WideCharToMultiByte(CP_ACP, 0, pSrc, -1, pDes, nLen, NULL, NULL);