Visual c++ std:：wifstream:：getline对我的wchar\t数组做了什么？它'；在getline返回后，将其视为字节数组

我想从文件中读取Unicode文本行（UTF-16 LE，换行符分隔）。我使用的是Visual Studio 2012，目标是32位控制台应用程序

我在WinAPI中找不到ReadLine函数，所以我求助于谷歌。显然，我不是第一个寻求这种功能的人。最常用的推荐解决方案包括使用std:：wifstream

我编写了类似于以下内容的代码：

wchar_t buffer[1024];
std::wifstream input(L"input.txt");

while (input.good())
{
    input::getline(buffer, 1024);
    // ... do stuff...
}

input.close();

为了便于解释，假设input.txt包含两条长度小于200 wchar_t字符的UTF-16 LE行

在第一次调用getline之前，VisualStudio正确地识别出缓冲区是一个wchar\u t数组。您可以将鼠标悬停在调试器中的变量上，看到数组由16位值组成。但是，在对getline的调用返回后，调试器现在显示缓冲区，就好像是字节数组一样

在第一次调用getline之后，缓冲区的内容是正确的（除了将缓冲区视为字节数组之外）。如果input.txt的第一行包含UTF-16字符串L“123”，则该字符串将作为（十六进制）“31 00 32 00 33 00”正确存储在缓冲区中

我的第一个想法是

重新解释cast（buffer）

，它确实产生了期望的结果（buffer现在被视为wchar\t数组），并且它包含了我期望的值

但是，在第二次调用getline之后，（input.txt的第二行包含字符串L“456”）缓冲区包含（十六进制）“00 34 00 35 00 36 00”。请注意，这是不正确的（它应该是[hex]34 00 35 00 36 00）

字节顺序混乱的事实阻止我使用reinterpret_cast作为解决方案来解决这个问题。更重要的是，为什么std:：wifstream:：getline还要将我的wchar\u t缓冲区转换成char缓冲区呢？？我的印象是，如果想使用char，他们会使用ifstream；如果想使用wchar，他们会使用wifstream

我很难理解stl头，但wifstream似乎有意将我的wchar\u t转换为字符。。。为什么

---

如果您能理解这些问题，我将不胜感激。

wifstream

从文件中读取字节，并使用安装到流的区域设置中的

codevt

facet将其转换为宽字符。默认方面采用系统默认代码页，并对这些字节调用

mbstowcs

要将文件视为UTF-16，您需要使用

codevt\u utf16

：

std:：wifstream-fin（“text.txt”，std:：ios:：binary）；
//应用面
fin.imbue（std:：locale（fin.getloc（），
新标准：编解码器（VT_utf16））；

wifstream

从文件中读取字节，并使用安装到流的区域设置中的

codevt

facet将其转换为宽字符。默认方面采用系统默认代码页，并对这些字节调用

mbstowcs

要将文件视为UTF-16，您需要使用

codevt\u utf16

：

std:：wifstream-fin（“text.txt”，std:：ios:：binary）；
//应用面
fin.imbue（std:：locale（fin.getloc（），
新标准：编解码器（VT_utf16））；

我从未听说过注入流，但事实上，这为我遇到的问题提供了解决方案。然而，它引发了另一个问题，我将就此发表文章。非常感谢。为什么要以二进制模式打开文件？@hkBattousai这样，例如，U+0D0A“MALAYALAM字母UU”就不能有效地转换为

\n

。您的意思是0x000A字符将保留为下一行的第一个字符吗？难道我们不能在阅读每一行之后检查它，如果它存在，就把它删除吗？在二进制模式下读取文件并解析行确实是一件让人头疼的事。如果可能的话，我想使用文本模式。@hkBattousai在表示UTF-16编码文本的字节流中，字节0x0D和0x0A有时会以U+0D0A或U+0A0D字符的形式（取决于尾数）或两个字符之间的边界相邻结束。我怀疑在文本模式下打开的流在遇到这样一对字节时，会将它们转换为单个0x0A字节，然后再将字节交给编解码器。那会把一切都搞砸的。（继续）我从未听说过注入溪流，但事实上，这为我所面临的问题提供了解决方案。然而，它引发了另一个问题，我将就此发表文章。非常感谢。为什么要以二进制模式打开文件？@hkBattousai这样，例如，U+0D0A“MALAYALAM字母UU”就不能有效地转换为

\n

。您的意思是0x000A字符将保留为下一行的第一个字符吗？难道我们不能在阅读每一行之后检查它，如果它存在，就把它删除吗？在二进制模式下读取文件并解析行确实是一件让人头疼的事。如果可能的话，我想使用文本模式。@hkBattousai在表示UTF-16编码文本的字节流中，字节0x0D和0x0A有时会以U+0D0A或U+0A0D字符的形式（取决于尾数）或两个字符之间的边界相邻结束。我怀疑在文本模式下打开的流在遇到这样一对字节时，会将它们转换为单个0x0A字节，然后再将字节交给编解码器。那会把一切都搞砸的。（续）

std::wifstream fin("text.txt", std::ios::binary);
// apply facet
fin.imbue(std::locale(fin.getloc(),
          new std::codecvt_utf16<wchar_t, 0x10ffff, std::little_endian>));