[C++] charset...

[homer87]

Non mi sono posto mai questo problema, ma volendo manipolare un file di testo in UTF è possibile farlo con la STL?? Oppure mi devo rivolgere ad una libreria esterna???

[Vincenzo1968]

Ciao homer,

puoi appoggiarti a delle ottime librerie esterne:
http://utfcpp.sourceforge.net/
http://code.msdn.microsoft.com/UTF8Helpers

In alternativa, puoi scaricarti le specifiche:

http://www.unicode.org/
http://en.wikipedia.org/wiki/UTF-8

e implementare a mano le funzioni per gestire i vari formati.
Il codice seguente(in C), per esempio, legge un file di testo e restituisce il formato:

#include <stdio.h>

#define TF_ANSI 1
#define TF_UTF16LE 2 // UTF16 Little Endian
#define TF_UTF16BE 3 // UTF16 Big Endian
#define TF_UTF8 4

int LeggiTipoFile(const char *szFileName)
{
	FILE * fp;
	unsigned char byte1, byte2, byte3;
	int numread;
	
	fp = fopen(szFileName, "rb");
	if ( fp == NULL )
		return -1;

	numread = fread(&byte1, 1, 1, fp);
	if ( !numread ) // file vuoto;
	{
		fclose(fp);
		return 0;
	}

	if ( byte1 == 0xFF ) // UTF16LE?
	{
		numread = fread(&byte2, 1, 1, fp);
		if ( !numread )
		{
			fclose(fp);
			return 0;
		}
		if ( byte2 == 0xFE )
		{
			fclose(fp);
			return TF_UTF16LE;
		}
		else
		{
			fclose(fp);
			return TF_ANSI;
		}
	}

    if (byte1 == 0xFE) // UTF16BE?
    {
		numread = fread(&byte2, 1, 1, fp);
		if ( !numread )
		{
			fclose(fp);
			return 0;
		}
		if ( byte2 == 0xFF )
		{
			fclose(fp);
			return TF_UTF16BE;
		}
	}

    if (byte1 == 0xEF) // UTF8?
    {
		numread = fread(&byte2, 1, 1, fp);
		if ( !numread )
		{
			fclose(fp);
			return 0;
		}
		if ( byte2 == 0xBB )
		{
			numread = fread(&byte3, 1, 1, fp);
			if ( !numread )
			{
				fclose(fp);
				return 0;
			}
			if ( byte3 == 0xBF)
			{
				fclose(fp);
				return TF_UTF8;
			}
		}
	}
	
	fclose(fp);

    return TF_ANSI;
}

int main()
{
	int typeFile;

	printf("\n");

	typeFile = LeggiTipoFile("c:\\temp\\prova.txt");
	switch( typeFile )
	{
	case TF_ANSI:
		printf("Il file e' ANSI\n\n");
		break;
	case TF_UTF16LE:
		printf("Il file e' TF_UTF16LE\n\n");
		break;
	case TF_UTF16BE:
		printf("Il file e' TF_UTF16BE\n\n");
		break;
	case TF_UTF8:
		printf("Il file e' TF_UTF8\n\n");
		break;
	default:
		printf("Errore!!!\n\n");
		break;
	}

	return 0;
}

[cionci]

Se non sbaglio le librerie boost, che presto verranno integrate nello standard, hanno il supporto a unicode ed ai vari charset.