作者skyHuan (Huan)
看板C_and_CPP
標題[問題] 輸出中文字元陣列中單一字元的問題
時間Fri Nov 3 14:49:21 2017
遇到的問題：
(1) string中含2bytes的中文字符及1byte的空格字元要如何計算strlen
(2) 2bytes的中文字符string中要如何輸出單一字元(一般string中的string[0])
問題詳細描述：
我想要用既有的詞庫建一個詞庫，修改成我想要的格式
既有詞庫原本的格式為：
一 般 直 些 時 定 月 點
丁 二烯 烷 香
七 彩 嘴八舌 里香 零八落 情六慾
丈 夫 量 母娘 人
希望輸出為(50是預設詞頻)：
一般 50 一直 50 一些 50 一時 50 一定 50 一月 50 一點 50
丁二烯 50 丁烷 50 丁香 50
七彩 50 七嘴八舌 50 七里香 50 七零八落 50 七情六慾 50
丈夫 50 丈量 50 丈母娘 50 丈人 50
以下是我的程式碼：
https://drive.google.com/open?id=1QGOG5uFO22OAcs9pgV83eVB41FpltqI-
如果輸入的檔案是英文可以正確執行
https://imgur.com/cVr45nT
但如果輸入的檔案是中文就會變成亂碼
上網查了一下是因為在中文編碼中一個字元佔2bytes
用%c輸出一次只能輸出1byte
有看到資料說好像可以將char型別改為wchar_t
strlen的部分用wcslen替換
我用上面程式碼中的第22行(被註解掉的那行)做了一些測試
好像還是有一些問題
https://imgur.com/jLvgT6L
最後一筆測資”你好嗎”的wcslen似乎就有錯誤
輸入檔案中有夾帶1byte的空格字元似乎也不能完全用wcslen算字元數
另外試了一下若輸入為中文時想只輸出一個中文字元(例如第一個字元)
printf(“%c”, data_buf[0])
試過用%c或%ls好像都會出現亂碼或是錯誤
問了幾位平常有在coding的同學
好像都沒有處理過中文的問題
還請版上各位前輩幫忙了，感謝
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.44.67.165
※ 文章網址: https://webptt.com/m.aspx?n=bbs/C_and_CPP/M.1509691764.A.C47.html
※ 編輯: skyHuan (114.44.67.165), 11/03/2017 14:55:05
※ 編輯: skyHuan (114.44.67.165), 11/03/2017 15:04:00
1F：→ MOONRAKER: 用%s輸出 第一個漢字就用substr取最前面兩個字元11/03 15:05
有查了一下，C沒有支援substr函式，但可以用strncpy函式代替，先稍微做了測試，讀取
中文的時候好像還是會有問題
https://imgur.com/qBxH4eF
讀取英文取多個字元是正常但少字元最後好像也會有亂碼
https://imgur.com/d7FVgG3
https://imgur.com/CeYiDyi
是使用這個函式有沒注意到的地方嗎，感謝
2F：推 stupid0319: 中文有UTF-8,UTF-16,跟BIG5,UTF8跟UTF16的碼是一樣的11/03 16:03
3F：→ stupid0319: 但UTF8存在記憶體的方式不同,詳細要上網查看看11/03 16:05
4F：→ stupid0319: 程式預設比較建議用unicode來編碼,可以吃萬國碼11/03 16:07
5F：→ stupid0319: 看你程式應該是用BIG5,也就是多字元,查一下規則11/03 16:11
6F：→ stupid0319: 把BIG5規則代入你的code中就不會有亂碼了11/03 16:11
7F：→ stupid0319: BIG5不太能用wchar來處理,碰到單個字母就會有亂碼11/03 16:13
8F：→ serikafan: 用wchar請用mbstowcs或是MultiByteToWideChar去轉換11/03 17:09
※ 編輯: skyHuan (114.44.67.165), 11/03/2017 18:30:06
※ 編輯: skyHuan (114.44.67.165), 11/03/2017 18:39:39
9F：→ serikafan: 在程式碼中直接用中文會跟檔案編碼跟編譯器有無支援相11/03 18:54
10F：→ serikafan: 關,最好避免這麼做11/03 18:56
11F：→ serikafan: 英文出現亂碼是因為你忘了在結尾補\0 11/03 19:02
12F：→ serikafan: 你的問題用wchar應該比較好解決11/03 19:06
參考了serikafan大的code，
加上
setlocale(LC_ALL,"Chinese_Taiwan.950");
printf要用大寫的%C跟%S (寬字元)後，
問題已經解決，謝謝各位幫忙解答
※ 編輯: skyHuan (114.37.176.48), 11/03/2017 21:40:56
※ 編輯: skyHuan (114.37.176.48), 11/03/2017 21:41:37