VC ANSI环境下按行读取ANSI、UNICODE 、UNICODE big endian、UTF-8四种文本文件

VC ANSI环境下按行读取ANSI、UNICODE 、UNICODE big endian、UTF-8四种文本文件

1.问题提出
MFC提供的文件类CStdioFile，其中一个函数ReadString实现了文件的按行读取，但是不能满足不同类型的文本文件的按行读取，为了解决这一问题，笔者初步研究了一些编码知识，参考了网上的一些资料，实现了CStdioFile类的扩展类CStdioFileEx,完成了常见文本文件的按行读取（注明：不包括DOC、PDF等其他形式的文档）.
在此对网上分享编码经验的网友表示感谢，同时由于我编写的类还未经过严格测试，如有错误或方法过于复杂敬请各位指正。
2.问题解决
(1)四种常见文本文件编码方式研究
ANSI、UNICODE 、UNICODE big endian、UTF-8四种格式编码存在差别，简要介绍如下:
ANSI编码:
无文件头(文件编码开头标志性字节)   
ANSI编码字母数字占一个字节，汉字占两个字节，
回车换行符 单字节   十六进制表示为0d  0a

UNICODE编码:
文件头，十六进制表示为FF FE
每一个字符都用两个字节编码
回车换行符  双字节   000d  000a

Unicode big endian编码:
文件头十六进制表示为FE FF ，
后面编码是把字符的高位放在前面，低位放在后面，正好和Unicode编码颠倒。
回车换行符,双字节,十六进制表示为0d00  0a00

UTF-8 编码:
文件头，十六进制表示为EF BB BF。
UTF-8是Unicode的一种变长字符编码，数字、字母、回车、换行都用一个字节表示,汉字占3个字节.
回车换行符，单字节，十六进制表示为0d 0a

以中文"你好"二字为例，各种类型的编码对应的十六进制格式(可由EditPlus查看)如下图所示:

由此可见上述的探讨是正确的。
(2)按行读取上述四种格式文本文件的解决方案
针对不同文件编码的特点，通过先检测文件头判断文件编码类型，然后根据文件类型分别调用不同的读取函数实现文件的按行读取。按行读取过程如下图所示:

实现过程中，编写CStdioFileEx类，该类继承自CStdioFile类，覆盖了CStdioFile类的BOOL ReadString(CString& rString)方法，从而实现了文件按行读取。
(3)CStdioFileEx类的实现代码
代码清单:

// StdioFileEx.h: interface for the CStdioFileEx class.////////////////////////////////////////////////////////////////////////#if !defined(AFX_STDIOFILEEX_H__C1F1F96B_9417_4388_8D24_892EDFA2A616__INCLUDED_)#define AFX_STDIOFILEEX_H__C1F1F96B_9417_4388_8D24_892EDFA2A616__INCLUDED_#if _MSC_VER > 1000#pragma once#endif // _MSC_VER > 1000// --------------------------------------------------------------------------------------------//程序用途：按行读取常见(包括ANSI、UNICODE、UNICODE  big endian、UTF-8)格式的文本文件    //程序作者：湖北师范学院计算机科学与技术学院  王定桥                                 //核心算法：CStdioFileEx继承自CStdioFile， 覆盖CStdioFile的 BOOL ReadString(CString& rString)方法, //          根据不同文件编码特征，寻找文件回车换行符判断读取行结束，文件结束符判断文件结束                                 //          检测不同文件编码头部，获取文件类型后调用不同的读取函数//测试结果:在Windows7 VC6.0环境下测试上述四种格式的txt文件通过//尚未完成:未重载CStdioFile的 virtual LPTSTR ReadString( LPTSTR lpsz, UINT nMax )方法//   未完成WriteString方法,未在VC UNICODE 环境下的测试                       //制作时间：2012-04-19  //代码版权:代码公开供学习交流使用  欢迎指正错误  改善算法           // --------------------------------------------------------------------------------------------#include "stdafx.h"//文本文件类型枚举值typedef enum TextCodeType{UTF8=0,UNICODE =1,UNICODEBIGENDIAN=2,ANSI=3,FILEERROR=4}TextCode;class CStdioFileEx  :public CStdioFile{public:CStdioFileEx();CStdioFileEx(FILE* pOpenStream);CStdioFileEx(LPCTSTR lpszFileName, UINT nOpenFlags);virtual ~CStdioFileEx();virtual BOOL Open( LPCTSTR lpszFileName, UINT nOpenFlags, CFileException* pError = NULL);public://文件类型值转换到字符串CString  FileTypeToString();//获取文件类型TextCode GetFileType();//按行读取文件BOOL     ReadString(CString& rString);//静态方法  获取文件类型static   TextCode GetFileType( LPCTSTR lpszFileName);protected:TextCode m_FileType;//保存文件类型const static int  PREDEFINEDSIZE;//预定义一行文件所需空间protected://从UTF-8文件按行读取BOOL     ReadStringFromUTF8File(CString& rString);//从ANSI文件按行读取    BOOL     ReadStringFromAnsiFile(CString& rString);//重UNCIDOE、UNICODE big endian文件读取BOOL     ReadStringFromUnicodeFile(CString& rString);//UTF-8字符串转换到UNICODE字符串CString  UTF8ToUnicode(byte  *szUTF8);//处理文件打开标志UINT     ProcessFlags(LPCTSTR lpszFileName, UINT& nOpenFlags,TextCode &tc);};#endif // !defined(AFX_STDIOFILEEX_H__C1F1F96B_9417_4388_8D24_892EDFA2A616__INCLUDED_)

// StdioFileEx.cpp: implementation of the CStdioFileEx class.////////////////////////////////////////////////////////////////////////#include "stdafx.h"#include "StdioFileEx.h"#ifdef _DEBUG#undef THIS_FILEstatic char THIS_FILE[]=__FILE__;#define new DEBUG_NEW#endif//////////////////////////////////////////////////////////////////////// Construction/Destruction///////////////////////////////////////////////////////////////////////*static*/ const  int  CStdioFileEx::PREDEFINEDSIZE=1024;CStdioFileEx::CStdioFileEx():CStdioFile(){m_FileType=ANSI;//指定默认类型}CStdioFileEx::CStdioFileEx(FILE* pOpenStream):CStdioFile(pOpenStream){  CString filepath=pOpenStream->_tmpfname;//?  尚不清楚File*结构  m_FileType=GetFileType(filepath);}CStdioFileEx::CStdioFileEx(LPCTSTR lpszFileName, UINT nOpenFlags):CStdioFile(lpszFileName,ProcessFlags(lpszFileName, nOpenFlags,m_FileType) ){}CStdioFileEx::~CStdioFileEx(){}// --------------------------------------------------------------------------------------------//CStdioFileEx::GetFileType  静态方法  检测文本文件类型// --------------------------------------------------------------------------------------------/*static */ TextCode CStdioFileEx::GetFileType(LPCTSTR lpszFileName){    CFile file;byte  buf[3];//unsigned charTextCode tc;try{if(file.Open(lpszFileName,CFile::modeRead|CFile::shareDenyNone|CFile::typeBinary)){   file.Read(buf,3);if(buf[0]==0xEF && buf[1]==0xBB && buf[2]==0xBF)tc=UTF8;elseif(buf[0]==0xFF && buf[1]==0xFE )tc=UNICODE ;elseif(buf[0]==0xFE && buf[1]==0xFF )tc=UNICODEBIGENDIAN;elsetc=ANSI;}elsetc=FILEERROR;}catch (CFileException ex){   CString errormsg;errormsg.Format(_T("操作文件%s时发生异常!"),ex.m_strFileName);        AfxMessageBox(errormsg);}return tc;}// --------------------------------------------------------------------------------------------//CStdioFileEx::Readstring 按行读取文本文件//根据不同文件类型 调用不同的读取函数// --------------------------------------------------------------------------------------------BOOL CStdioFileEx::ReadString(CString& rString){    BOOL flag=FALSE;     switch(m_FileType) { case ANSI:          flag=ReadStringFromAnsiFile(rString);  break; case UNICODE: case UNICODEBIGENDIAN:  flag=ReadStringFromUnicodeFile(rString);  break; case UTF8: flag=ReadStringFromUTF8File(rString); break; case FILEERROR: flag=FALSE; break; default: break; } return flag;}// --------------------------------------------------------------------------------------------//CStdioFileEx::ReadstringFromAnsiFile  从ANSI文件读取字符串// --------------------------------------------------------------------------------------------BOOL CStdioFileEx::ReadStringFromAnsiFile(CString& rString){   BOOL flag;try{   flag=CStdioFile::ReadString(rString);rString+="\r\n";}catch(CFileException ex){CString errormsg;errormsg.Format(_T("操作文件%s时发生异常!"),ex.m_strFileName);        AfxMessageBox(errormsg);}    return flag;}// --------------------------------------------------------------------------------------------//CStdioFileEx::ReadstringFromUTF8File 从UTF8文件中按行读取 //由于UTF-8编码多字节编码且各种字符长度不同,判断回车换行需要判断连续两个字节  // --------------------------------------------------------------------------------------------BOOL  CStdioFileEx::ReadStringFromUTF8File(CString& rString){long    index;byte    cr=0x0d;//回车换行符byte    lf=0x0a;byte    temp[2];byte    tempbyte;byte    *pbuf=new byte[PREDEFINEDSIZE+1];memset(pbuf,0,(PREDEFINEDSIZE+1)*sizeof(byte));UINT    readlen;try{   //跳过文件头 移动文件指针if (m_pStream && ( GetPosition() == 0)){CStdioFile::Seek(3*sizeof(byte),CFile::begin);}index=0;do {memset(temp,0,2*sizeof(byte));readlen=CFile::Read(temp,2);//CStdioFile::Read效果不同 将省去回车符0x0dif(!readlen)return FALSE;//元素存贮到字节数组中pbuf[index++]=temp[0];pbuf[index++]=temp[1];tempbyte=temp[1];//判断回车换行if( ( tempbyte==cr && temp[0]==lf) ||(temp[0]==cr && temp[1]==lf))break;} while (readlen==2 && index<PREDEFINEDSIZE );pbuf[index]=0;rString=UTF8ToUnicode(pbuf);//UTF8编码转换到UNICODE}catch (CFileException ex){CString errormsg;errormsg.Format(_T("操作文件%s时发生异常!"),ex.m_strFileName);        AfxMessageBox(errormsg);}    delete[] pbuf;return TRUE;}// --------------------------------------------------------------------------------------------//从UNICODE、UNICODE big endian文件按行读取//当读取字节小于请求值(文件结束)或者超过预定义空间时无条件退出循环//wChLine存放每行字符,wchtemp存放临时读取字符//当编码为UNICODE big endian 时交换高低字节 ,将其转换成UNICODE字符串// --------------------------------------------------------------------------------------------BOOL  CStdioFileEx::ReadStringFromUnicodeFile(CString& rString){long    index;UINT    readlen;wchar_t wchcr=MAKEWORD(0x0d,0x00);;//回车符  MakeWord(低、高字节顺序) wchar_t wchlf=MAKEWORD(0x0a,0x00);wchar_t *wChLine=new wchar_t[PREDEFINEDSIZE+1];memset(wChLine,0,(PREDEFINEDSIZE+1)*sizeof(wchar_t));wchar_t wchtemp[2];BOOL   flag=TRUE;try{   //跳过文件头 移动文件指针if (m_pStream && ( GetPosition() ==0)){Seek(2*sizeof(byte),CFile::begin);}index=0;do{   memset(wchtemp,0,2*sizeof(wchar_t));readlen=CFile::Read(wchtemp,sizeof(wchar_t)*2);//CStdioFile::Read效果不同if(!readlen) break;//UNICODE big endian交换高低字节if(UNICODEBIGENDIAN==m_FileType){   unsigned char high, low;high = (wchtemp[0] & 0xFF00) >>8;low  = wchtemp[0] & 0x00FF;wchtemp[0] = ( low <<8) | high;high = (wchtemp[1] & 0xFF00) >>8;low  = wchtemp[1] & 0x00FF;wchtemp[1] = ( low <<8) | high;}wChLine[index++]=wchtemp[0];wChLine[index++]=wchtemp[1];//判断回车换行if(wchtemp[0]==wchcr && wchtemp[1]==wchlf)break;}while( (readlen==sizeof(wchar_t)*2) && index<PREDEFINEDSIZE );wChLine[index]=0;CString strtext(wChLine,index);rString=strtext;if(rString.IsEmpty())           flag=FALSE;}catch (CFileException ex){CString errormsg;errormsg.Format(_T("操作文件%s时发生异常!"),ex.m_strFileName);        AfxMessageBox(errormsg);}delete[] wChLine;return flag;}// --------------------------------------------------------------------------------------------//CStdioFileEx::UTF8ToUnicode  UTF-8字符串转换成UNICODE字符串// --------------------------------------------------------------------------------------------CString CStdioFileEx::UTF8ToUnicode(byte  *szUTF8){   CString strret;    strret=_T("");if(!szUTF8)return strret;//获取转换后所需串空间的长度 int   wcsLen =  MultiByteToWideChar(CP_UTF8,0,(LPSTR)szUTF8,strlen((char*)szUTF8),NULL,0);LPWSTR   lpw=new   WCHAR[wcsLen+1]; if(!lpw)return strret;memset(lpw,0,(wcsLen+1)*sizeof(wchar_t)); //实施转换MultiByteToWideChar(CP_UTF8,0, (LPSTR)szUTF8, strlen((char *)szUTF8),  (LPWSTR)lpw,  wcsLen); CString str(lpw);delete[]   lpw;return str;}// --------------------------------------------------------------------------------------------//CStdioFileEx::GetFileType获取文件类型// --------------------------------------------------------------------------------------------TextCode CStdioFileEx::GetFileType(){   return m_FileType;}// --------------------------------------------------------------------------------------------//CStdioFileEx::FileTypeToString 文件类型枚举值转换为字符串值// --------------------------------------------------------------------------------------------CString CStdioFileEx::FileTypeToString(){   CString strtype;switch(m_FileType){case ANSI:strtype.Format("%s",_T("ANSI"));break;case UTF8:strtype.Format("%s",_T("UTF8"));break;case UNICODE:strtype.Format("%s",_T("UNICODE"));break;case UNICODEBIGENDIAN:strtype.Format("%s",_T("UNICODE big endian"));break;case FILEERROR:strtype.Format("%s",_T("FILEERROR"));break;default:break;}return strtype;}// --------------------------------------------------------------------------------------------//CStdioFileEx::Open 重载父类的文件打开操作 改变不同类型文件的打开方式// --------------------------------------------------------------------------------------------BOOL CStdioFileEx::Open( LPCTSTR lpszFileName, UINT nOpenFlags, CFileException* pError){       ProcessFlags(lpszFileName,nOpenFlags,m_FileType);//处理文件打开方式return CStdioFile::Open(lpszFileName, nOpenFlags,pError);}// --------------------------------------------------------------------------------------------//CStdioFileEx::ProcessFlags 处理不同文件的打开方式//ANSI文件采用文本读取，UNICODE、UNICDOE big endian、UTF-8采用二进制方式读取// --------------------------------------------------------------------------------------------UINT CStdioFileEx::ProcessFlags(LPCTSTR lpszFileName, UINT& nOpenFlags,TextCode &tc){    tc=CStdioFileEx::GetFileType(lpszFileName);if ((nOpenFlags & CFile::modeReadWrite)|| (nOpenFlags & CFile::modeRead) ){switch(tc){case ANSI:nOpenFlags|= CFile::typeText;nOpenFlags&=~CFile::typeBinary;break;case UTF8:nOpenFlags |= CFile::typeBinary;nOpenFlags&= ~CFile::typeText;break;case UNICODE:nOpenFlags |= CFile::typeBinary;nOpenFlags&= ~CFile::typeText;break;case UNICODEBIGENDIAN:nOpenFlags |= CFile::typeBinary;nOpenFlags&= ~CFile::typeText;break;case FILEERROR:break;default:break;}}nOpenFlags|=CFile::shareDenyNone;return nOpenFlags;}

3.运行结果
(1)测试部分核心代码
//打开文件

void CReadStringDlg::OnBtnOpen() {// TODO: Add your control notification handler code herechar szFilter[] = "Text Files (*.txt)|*.txt|All Files (*.*)|*.*||";CFileDialog  filedlg(TRUE , "txt", NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT, szFilter,this);    if(IDOK==filedlg.DoModal()){        m_strPath=filedlg.GetPathName();UpdateData(FALSE);m_ctrlEdit.SetSel(0,-1);m_ctrlEdit.Clear();if(m_stdiofileex.Open(m_strPath,CFile::modeRead)){m_strFileType=m_stdiofileex.FileTypeToString();UpdateData(FALSE);}else{MessageBox(_T("读取文件失败!"));}}}//读取文件void CReadStringDlg::OnBtnRead() {// TODO: Add your control notification handler code hereif(!ValidateInput())return;CString      strread,strtemp;m_ctrlEdit.GetWindowText(strread);m_ctrlEdit.SetSel(0,-1);m_ctrlEdit.Clear();if(m_stdiofileex.m_pStream){   int cnt=0;strread+="\r\n";while(cnt<m_lLineCnt){if(m_stdiofileex.ReadString(strtemp)){   strread+=strtemp;cnt++;}else{   AfxMessageBox(_T("读取已经到达文件末尾!"));break;}}m_ctrlEdit.SetSel(0,-1);m_ctrlEdit.ReplaceSel(strread);}else{MessageBox(_T("读取文件失败!"));}}//验证输入BOOL CReadStringDlg::ValidateInput(){    UpdateData();if(m_strPath.IsEmpty()){MessageBox("文件路径为空，请填写!");return FALSE;}if(m_lLineCnt<=0)return FALSE;return TRUE;}

(2)测试结果
程序在Windows 7  VC6.0下测试通过，测试结果如下图所示:

ANSI文件测试结果:



UNICODE文件测试结果:


UNICODE big endian文件测试结果:


UTF-8文件测试结果:


4.尚未解决的问题
(1)CStdioFileEx 类未重载CStdioFile的 virtual LPTSTR ReadString( LPTSTR lpsz, UINT nMax )方法
(2)未完成CStdioFileEx 类的WriteString方法
(3)未在VC UNICODE 环境下的测试CStdioFileEx 类
(4)是否存在更简洁、安全的方法？因为笔者研究编码目前还不深入，因此还未能得到更好的解答。
5.感谢
感谢网上分享的材料,参考资料列表:
(1)《关于编码的小测试 》 网址:  http://www.live-in.org/archives/277.html
(2)   CStdioFileEx类    
下载网址:http://download.pudn.com/downloads141/sourcecode/windows/file/21457326wutext.rar
(3)《C++字符串完全指引之一 Win32 字符编码》 网址:http://www.vckbase.com/document/viewdoc/?id=1082