如何使用 fscanf 读取 UTF-8 编码

Posted 2023-02-21

【中文标题】如何使用 fscanf 读取 UTF-8 编码

【英文标题】：How to read UTF-8 encoding with fscanf

【发布时间】：2019-12-27 22:56:18

【问题描述】：

Octave 4.2.2 使用fscanf 命令读取ISO-8859-1 字符（格式化为读取空格）：

foo = fscanf(foofile1, "%*s %[^\n]");

而fgetl 读取原生UTF-8：

foo = fgetl(foofile2);

两个文件都显示为UTF-8：

$ file -i foofile1.csv 
foofile1.csv: text/plain; charset=utf-8

$ file -i foofile2.html
foofile2.html: text/html; charset=utf-8

有没有什么办法可以用fscanf读取UTF-8格式的HTML文件？

更新：正如@TS 所指出的，这已被报告为savannah.gnu.org 中的一个错误。

【问题讨论】：

这个解决方法是否提到here 工作：deal(textscan(foofile1, "%*s %[^\n]"):); ？

同样的结果，@TS，它不是以 UTF-8 格式读取的。

您能否提供具有预期输出的最小示例（ANSI 和 utf8）？

【参考方案1】：

无需更改代码。 UTF8 旨在与上述大多数不支持 UTF8 的单字节字符串函数一起使用，只要您不必使用解码的代码点，例如将字符串打印到屏幕上。

【讨论】：

但这两个文件的读取方式不同。特殊字符（如 Á）使用单个十六进制代码 (ISO-8859-1) 或两个十六进制代码 (UTF-8) 读取，具体取决于使用的命令。

对不起，我以为那是标准的 C 函数 fscanf。