如何读取具有特殊字符的文件？-C

我有一个countries.txt文档，其中列出了西班牙语国家的名称。这意味着例如有“'）和“ñ”字符

我有一个小函数，用来计算文档中的行数，它最初是用

fgets（）

函数制作的，我对它进行了编辑，使它使用

fgetws（）

，因为我知道特殊字符应该存储在

wchar\u t

变量中

  int linesCount = 0;
    wchar_t line[MAX_SIZE];

    while(fgetws(line, sizeof(line), f) != NULL){
        linesCount++;
    }
    rewind(f);

    return linesCount;
}

1） 如果函数找到包含“'）的字符串，程序将崩溃。 2） 如果没有找到任何特殊字符，valgrind会发现更多的内存泄漏，而不是在至少有一个特殊字符（如“ñ”）的情况下仅发现1个

这是主要问题：

int main (void)
{
 setlocale(LC_ALL, "spanish");
 countries = fopen("countries.txt", "r");
 int counCount = count_lines(countries);
 fclose(countries);
}

这是countries.txt的第一部分：

Aruba
Angola
Albania
Andorra
Argelia
Armenia
Austria
Alemania
Antártida
Argentina

程序在到达“Antártida”时崩溃，该“Antártida”有“á”字母

我附上valgrind显示的错误：

1 errors in context 1 of 1:
==16211== Conditional jump or move depends on uninitialised value(s)
==16211==    at 0x4FCB443: __wmemchr_avx2 (memchr-avx2.S:97)
==16211==    by 0x4EBE164: _IO_getwline_info (iogetwline.c:86)
==16211==    by 0x4EBDD2C: fgetws (iofgetws.c:53)
==16211==    by 0x108BC3: count_lines (people_generator.c:10)
==16211==    by 0x108B3C: main (main.c:15)
==16211==  Uninitialised value was created by a heap allocation
==16211==    at 0x4C2FB0F: malloc (in /usr/lib/valgrind/vgpreload_memcheck-amd64-linux.so)
==16211==    by 0x4EBB858: _IO_wfile_doallocate (wfiledoalloc.c:79)
==16211==    by 0x4ECA378: _IO_doallocbuf (genops.c:365)
==16211==    by 0x4EC172B: _IO_wfile_underflow (wfileops.c:179)
==16211==    by 0x4EBF691: _IO_wdefault_uflow (wgenops.c:204)
==16211==    by 0x4EBE1C0: _IO_getwline_info (iogetwline.c:61)
==16211==    by 0x4EBDD2C: fgetws (iofgetws.c:53)
==16211==    by 0x108BC3: count_lines (people_generator.c:10)
==16211==    by 0x108B3C: main (main.c:15)

---

保存在dis上的文件不使用“wchars”-它将以“编码”方式编码，通常是utf-8或拉丁语-1

您可能得到的是，“西班牙语”没有提供有关字符集编码的信息-因此，尽管调用`setlocale'时没有出现错误，但您可能正在尝试读取一个utf-8文件（具有多字节编码），该文件采用字符映射（每个字符一个字节）编码

如果您只需要计算行数，只需使用字符，您的程序就会按预期工作

因此，与其尝试猜测，不如现在就阅读以下内容：

之后，您应该能够使用其他工具确定文件编码，然后在set locale调用中设置正确的编码。“es_es.UTF-8”或“es_es.ISO8859-1”中的一个应该可以工作

---

然后，如果你有一个“现实世界”的任务，必须处理这么简单的国际文本文件，我强烈建议你离开C语言，使用更高级的语言。你仍然需要知道文件编码——但生活将变得简单（至少）一个数量级。

文件在dis上保存时，不要使用“wchars”-它将以“编码”进行编码，通常是utf-8或拉丁语-1

您可能得到的是，“西班牙语”没有提供有关字符集编码的信息-因此，尽管调用`setlocale'时没有出现错误，但您可能正在尝试读取一个utf-8文件（具有多字节编码），该文件采用字符映射（每个字符一个字节）编码

如果您只需要计算行数，只需使用字符，您的程序就会按预期工作

因此，与其尝试猜测，不如现在就阅读以下内容：

之后，您应该能够使用其他工具确定文件编码，然后在set locale调用中设置正确的编码。“es_es.UTF-8”或“es_es.ISO8859-1”中的一个应该可以工作

---

然后，如果你有一个“现实世界”的任务，必须处理这么简单的国际文本文件，我强烈建议你离开C语言，使用更高级的语言。你仍然需要知道文件编码——但生活将变得简单（至少）一个数量级。

好吧，

valgrind

输出不是很有帮助，除非你包括分配你正在使用的内存的代码部分？（如果这是您的全部代码，则它必须是有问题的无掩码系统分配。）请提供。文件

countries.txt

的字符编码是什么？

LC_CTYPE

环境变量的值是多少？您应该以二进制模式将文件读取为

char

，然后自己进行字符集转换，这样您就知道发生了什么。@DavidC.Rankin我用更多信息完成了这篇文章，我认为这会使valgrind输出更有用。我相信您的选择是

“es_es.UTF-8”

或

“es_es”

（适用于ISO-8859-1）或可能的

“es”_ES@euro“

（适用于ISO-8859-15）（尽管

“es”

部分可能因您的位置而异）那么，

valgrind

输出不是很有帮助，除非您包括分配您正在使用的内存的代码部分？（如果这是您的全部代码，那么它必须是有问题的无掩码系统分配。）请提供。文件

countries.txt

的字符编码是什么？

LC\u CTYPE

环境变量的值是什么？您应该以二进制模式将文件读取为

char

，然后自己进行字符集转换，这样您就知道发生了什么。@DavidC.Rankin我用更多信息完成了这篇文章我认为它使valgrind输出更有用我相信您的选择是

“es_es.UTF-8”

或

“es_es”

（对于ISO-8859-1）或可能的

“es”_ES@euro“

（适用于ISO-8859-15）（尽管

“es”

零件可能因位置而异）