c++讀取檔案位元組數和源檔案大小不一緻情況分析及解決

1.問題

最近在幫别人調試了一個問題：

• 使用此方式擷取檔案大小，

struct _stat info;  
_stat(filepath, &info);  
int size = info.st_size;  
           

• 使用fopen方式擷取檔案内容，
• 最後發現擷取的位元組數和第一步取得的位元組數不一緻，相對要小一些！

這是為什麼呢？

2.分析

首先用軟體打開源檔案，發現是80個位元組，和第一步擷取的檔案位元組數一緻，而第二步擷取檔案内容得到的位元組數要少一些，記得是72個位元組；

那麼問題應該出在了第二步fopen那裡，好吧，滑鼠放在fopen上面按鍵F1，跳出微軟的幫首頁面，仔細愁一愁用法說明和示例~

fopen、_wfopen

VC2005中fopen的ccs=UNICODE實測<zt> + UTF8 如何轉變為 ansi

簡單總結下關鍵資訊：

• fopen時候需要mode參數，即以什麼配置/模式打開檔案；
• 預設情況下，使用ANSI編碼頁解釋窄檔案名字元串；
• 使用UNICODE, UTF-8, 或 UTF-16LE等Unicode模式打開檔案時，将會對讀取到的内容進行轉換成目标格式；也意味着轉換後位元組與原始位元組很可能不一樣；
• 讀或寫存儲為UTF-8編碼格式的資料時，用文本模式或者二進制模式替代Unicode模式，你得為任何編碼轉換負責。

Encodings Used Based on ccs Flag and BOM

Encodings Used Based on ccs Flag and BOM

ccs flag	No BOM (or new file)	BOM: UTF-8	BOM: UTF-16
UNICODE	UTF-16LE	UTF-8	UTF-16LE
UTF-8	UTF-8	UTF-8	UTF-16LE
UTF-16LE	UTF-16LE	UTF-8	UTF-16LE

mode modifier	Translation mode
t	Open in text (translated) mode.
b	Open in binary (untranslated) mode; translations involving carriage-return and line feed characters are suppressed.

 以unicode、t模式打開檔案，會進行位元組轉換，轉換後的位元組數和原始位元組數很可能不一樣，如果要讀取内容，要開啟b（Open in binary）模式，

如果源檔案是UTF-8編碼的（其實不管什麼編碼格式檔案），fopen時開啟rb（read mode and open in binary）即可。

3.解決

3.1.解決此問題

fopen時開啟rb（read mode and open in binary）即可讀取原始内容，讀到的位元組數和原始位元組數一緻；

3.2.其他方案

也可以使用其他方式讀取檔案内容，參考如下，

wstring path = GetJsonFileName();
ifstream ifstream(path);
if (ifstream.fail())
  return false;

stringstream buffer;
buffer << ifstream.rdbuf();
string contents(buffer.str());
ifstream.close();
           

當然還有其他方式，可自行搜尋。

4.結論

出現上述問題是因為讀取檔案時因為開啟了特定模式，對原始位元組流進行了轉換，導緻轉換後的位元組數與原始檔案位元組數不一緻，

如果已經确定要打開檔案的編碼格式（可以預先約定），那麼隻要開發rb模式即可讀取原始内容。

另外遇到問題一般光标放在要了解的接口上F1鍵即可彈出幫首頁面，内容詳細清晰，有很大幫助。