读取D中的文本文件

是否有任何一刀切（或多或少）的方法来读取D中的文本文件

要求函数自动检测编码并以一致的格式提供文件的全部数据，如

字符串

或

数据字符串

。它应该自动检测BOM，并根据需要对其进行解释

我尝试了

std.file.readText（）

，但它不能很好地处理不同的编码

---

（当然，这将有一个非零的故障率，这对我的应用程序来说是可以接受的。）

我认为，在这一点上，Phobos中文件I/O的唯一实际选项（除了调用C函数）是

std.file.readText

和

std.stdio.file

readText

将以字符、wchars或dchars数组的形式读取文件（默认为不可变（char）[]-即字符串）。我认为chars、wchars和dchars的编码必须分别为UTF-8、UTF-16和UTF-32，尽管我必须深入研究源代码才能确定。任何与这些编码兼容的编码（例如，ASCII与UTF-8兼容）都可以正常工作

如果使用

文件

，则可以使用多个函数选项读取文件-包括

readln

和

rawRead

。但是，您基本上是使用UTF-8、UTF-16或UTF-32兼容编码来读取文件，就像使用

readText

一样，或者您将其作为二进制数据读入并自己操作

由于D中的字符类型是char、wchar和dchar，它们分别是UTF-8、UTF-16和UTF-32代码单元，除非您希望以二进制格式读取数据，否则文件必须采用与这三种unicode类型之一兼容的编码。给定特定编码中的字符串，可以使用

std.utf

中的函数将其转换为另一种编码。但是，除了使用

readText

尝试以给定的编码读取文件并查看是否成功之外，我不知道有什么方法可以查询文件的编码类型

---

因此，除非您想自己处理一个文件并即时确定它的编码方式，否则最好的办法可能是对每个连续的字符串类型使用

readText

，使用第一个成功的字符串类型。但是，由于文本文件通常采用UTF-8或与UTF-8兼容的编码，我希望与普通字符串一起使用的

readText

几乎总是可以正常工作。

至于检查BOM：

char[] ConvertViaBOM(ubyte[] data) {
  char[] UTF8()   { /*...*/ }
  char[] UTF16LE(){ /*...*/ }
  char[] UTF16BE(){ /*...*/ }
  char[] UTF32LE(){ /*...*/ }
  char[] UTF32BE(){ /*...*/ }

  switch (data.length) {
    default:
    case 4:
      if (data[0..4] == [cast(ubyte)0x00, 0x00, 0xFE, 0xFF]) return UTF32BE();
      if (data[0..4] == [cast(ubyte)0xFF, 0xFE, 0x00, 0x00]) return UTF32LE();
      goto case 3;

    case 3:
      if (data[0..3] == [cast(ubyte)0xEF, 0xBB, 0xBF]) return UTF8();
      goto case 2;

    case 2:
      if (data[0..2] == [cast(ubyte)0xFE, 0xFF]) return UTF16BE();
      if (data[0..2] == [cast(ubyte)0xFF, 0xFE]) return UTF16LE();
      goto case 1;

    case 1:
      return UTF8();
  }
}

---

添加更多模糊的BOM表留给读者作为练习。

Hm。。。知道如何处理BOM吗？@Lambert，我强烈建议使用read（），因为它不会进行任何验证，但您可以自己执行，并且不会多次读取文件。对于BOM表，您可以强制转换为ubyte并比较第一个字节，然后对切片的其余部分执行强制转换…嗯。。。这不是我希望的解决方案（我不想手动检查BOM），但我想这也不算太糟；谢谢。@Lambert:检查BOM应该不会太糟糕。IIRC它只有32位（或更少），只有大约六个值（包括大/小结束）。@BCS:o__oBOM是32位吗？UTF-8的

0xEF、0xBB、0xBF

呢？