读取 utf-8 中文文档测试

beyes

utf-8 存储中文用 3个字节，有一段中文文档：

人生
的价值
即以其人对于当代所做的工作为尺度。 —— 徐玮

测试读代码：

#include <stdio.h>
#include <errno.h>
#include <stdlib.h>

int main()
{
    FILE *stream;
    char mingyan[1000];
    char *p = mingyan;
    stream = fopen("my.txt", "r");
    if (stream == NULL){
        perror("errno");
        exit(1);
    }

         fread(p, 24, 1, stream);
        mingyan[24] = '\0';

    printf("%s\n", mingyan);
    printf("%c", mingyan[6]);

    return 0;
}

发现输出 mingyan[6] 时，输出换行，证明 utf-8 的中文确实是 3 个字节组成。原来以为换行符也会是 3 个字节，但通过 gdb 调试发现，换行符仍然是 '\n' 一个字节。

注意：在测试时，在 while 里用 feof() 函数并不奏效。因为底下用了 fseek() 函数，这个函数一旦成功调用，则会清除掉 EOF 标志。所以，会造成程序无法结束。

beyes

一个完整的读取程序，读取完，并输出：

#include <stdio.h>
#include <errno.h>
#include <stdlib.h>

int main()
{
    fpos_t position;
    FILE *stream;
  
    char mingyan[1000];
    char *p = mingyan;
    stream = fopen("my.txt", "r");
    if (stream == NULL){
        perror("errno");
        exit(1);
    }

    while ( fread(p, 3, 1, stream) != 0 ) {
   
       while (*p != '\\n') {
         p += 3;
         fread(p, 3, 1, stream);
      }
       
       p++;
       *p = '\\0';
       printf("%s", mingyan);
       p = mingyan;
       fseek(stream, -2, SEEK_CUR);
    }

    fclose(stream);
    return 0;
}

说明：
此段程序读取的是 UTF-8 编码的中文，所以一次读入 3 个字节。因为遇到换行符 '\\n' 时，此符号只占用一个字节，所以要进行文件指针的移动：
fseek(stream, -2, SEEK_CUR);