为啥我不能使用 ifstream 读取撇号而不崩溃？

Posted 2023-02-22

【中文标题】为啥我不能使用 ifstream 读取撇号而不崩溃？

【英文标题】：Why can't I read apostrophes using ifstream without it crashing?为什么我不能使用 ifstream 读取撇号而不崩溃？

【发布时间】：2017-11-25 20:05:09

【问题描述】：

我正在使用此代码：

std::string word;
std::ifstream f((file_name + ".txt").c_str());
while (f >> word) 
    good_input = true;
    for (int i = 0; i < word.length(); ++i) 
        if (ispunct(word.at(i))) 
            word.erase(i--, 1);
        
        else if (isupper(word.at(i)))
            word.at(i) = tolower(word.at(i));
        
    

每次我从文本文件中读取“不”这个词时，都会收到以下错误：

调试断言失败！ 程序：目录\SortingWords(Length).exe 文件：minkernel\crts\ucrt\src\appcrt\convert\istype.cpp 线路：36 表达式：c >= -1 && c 欲了解更多信息，请访问... [等]

当我点击“中止”时，我的程序以代码 3 退出。不知道这是否有帮助？

看起来它可能与撇号有关？此代码适用于在我的文档中查找所有其他单词，直到这个。并且适用于不包含撇号但包含大量其他标点符号的文档...

我尝试更改文本文件的编码（仅使用记事本制作），但这没有帮助。通常发现很多关于撇号的投诉，但没有有效的答案。谁能帮我弄清楚发生了什么？

【问题讨论】：

我的猜测是这是一个聪明的报价，但我无法告诉。

如果您在十六进制编辑器中查看文件，撇号是否只占用一个字节？它是您期望的编码值吗？如果您在调试器中捕捉到崩溃，它真的是您期望的地方吗（即在您向我们展示的代码段中）？所涉及的变量的值是多少？他们是你所期望的吗？

我尝试简单地逐字重写我的文件，而不是从原始来源复制和粘贴（就像我之前所做的那样）。很痛苦，但它已经成功了，现在正在处理各种标点符号和奇怪的情况。很抱歉浪费了您的时间！看起来使用的字符有问题。否则，只是为了满足任何好奇心，是的，错误正是在这里发生的（使用断点找到）并且变量看起来都很好！

顺便说一句，您应该不需要使用自己的断点来查找崩溃位置。 VS 应该在触发断言时在调试时自动中断，让您进入您关心的堆栈帧，以查看究竟是哪个调用导致了它以及程序的状态。

【参考方案1】：

正如documentation for ispunct 所说：

如果 ch 的值不能表示为，则行为未定义 unsigned char 不等于 EOF。

如果您链接到调试运行时，Visual C++ 足以为该错误添加几乎明确的消息（这通常是未定义行为的情况 - 对于发布运行时，它只是崩溃或行为异常；对于调试运行时，你会得到一个错误对话框）。

理论上，这意味着在您的环境使用的字符集中，' 不能表示为unsigned char，即它的字符代码太大或太低。

实际上，这在 Windows 上似乎不太可能，甚至可能是不可能的。更有可能的是，您的文件实际上并不包含撇号，而是一个仅 看起来 像一个字符的字符，例如口音：´

您可以通过以下简单方式重现问题：

#include <ctype.h>

int main()

    ispunct('\'');
    ispunct('´'); // undefined behaviour (crash or error message with Visual C++)

isupper 也有同样的问题。

您可以通过static_cast 安全地使用这些功能，例如：

if (ispunct(static_cast<unsigned char>(word.at(i))))

当然，现在ispunct 将为角色返回零。如果你真的需要覆盖´，你必须明确地这样做，例如使用这样的辅助函数：

bool extended_ispunct(int c)

    return static_cast<unsigned char>(c) || c == '´';

【讨论】：

顺便说一下，cout << ((char)'´' == '´') 在this online MSVC compiler 上打印 0。

@chris：添加/W4。它会告诉你原因：warning C4310: cast truncates constant value。事实上，´ 在我的机器上是 498440。

@chris：没错，那是我函数中的一个错误！ :) 感谢您发现它，让我修复它...