c++读取utf8等不同编码文件

我们经常会遇到文件打开乱码的情况，特别是用C语言操作文件的时候。我用notepad++打开发现是utf8编码的，后来上网查了一下，UTF-8是变长的，一般情况下文件开头有个BOM（Byte Order Mark）作为标识，一般文本编码的BOM:

ANSI：没有BOM，直接是内容。

UNICODE（LE）：FF FE
UNICODE（BE）：FE FF
UTF-8：EF BB BF

【注】还有一种无BOM的UTF-8编码，这里不考虑。

ANSI采取的是英文字符一个字节，汉字字符两个字节的编码方式，而UNICODE采取使用0-0x10FFFF的数字来映射所有字符，被称为万国码，这里的UNICODE(LE),UNICODE(BE),UTF-8都是UNICODE的子集，其中UNICODE（LE）,UNICODE（BE）采用固定两个字节长度的编码，UTF-8采用1到4个字节的变长字节的编码。

LE，BE分别指Little Endian，Big Endian。BIG-ENDIAN就是低位字节排放在内存的高端，高位字节排放在内存的低端。而LITTLE-ENDIAN正好相反。

【举个栗子】现在要编码数字1，我们知道1的4字节编码是0x00000001

采用BE编码，四个字节分别是0x01,0x00,0x00,0x00

采用LE编码，四个字节分别是0x00,0x00,0x00,0x01

【注】CPU读取内存从低地址到高地址

读取文本文件之前先判断BOM，然后分别用不同的方法进行读取，本文说明的是C语言操作方法。

打开这几种的字符方法基本相同，ANSI和UNICODE都可以用fopen(const char* fname,const char* mode)打开，如果有中文再进行格式的转换即可，UTF-8需要用_wfopen(L"utf8.txt", L"r,ccs=utf-8")打开，当然了，这个方法也能打开前面两种编码，只要指定编码格式(ccs=<encoding>)即可。

【注】有时读取的字符串不能正常显示，须在读取之前指定地区，setlocal(LC_ALL,"");