文本处理中的小细节

1.char还是uchar(unsigned char)

　　char在C/C++中占用1byte(即8bits)。

　　ASCII码使用指定的7位或8位二进制数组合来表示128或256种可能的字符。标准ASCII码也叫基础ASCII码，使用7位二进制数来表示所有的大写和小写字母，数字0到9、标点符号，以及在美式英语中使用的特殊控制字符。标准ASCII码是7位二进制表示，表示128个字符(0~127)，最高位是0。如 00110000(2) =48D=30H='0'。

　　由于char能表示的范围是(-128~127)，英文中使用了0~127号编码的字符(符号位为0，正数)。一个汉字占2byte，为了使得汉字的两个字节不与英文字母混淆，表示汉字的每个字节符号位都为1(负数)。

　　在处理文本时，最好使用unsigned char(0~256)，因为文本中可能会有含有特殊字符(不一定是标准ASCII)，也就是读入的每个字符的ASCII码可能不在0~127之间。

　　下面的程序输出字符的ASCII码：

 1 #include <iostream>
 2 using namespace std;
 3 int main ()
 4 {
 5     string str ("hi你好");    ///6个字节，每个中文占2个字节
 6     cout<<"Text:"<<str<<endl;
 7     for(int i=0;i<str.size();i++)
 8         printf("i=%d    c_c=%c      c_d=%d\n",i,str[i],(unsigned char)str[i]);
 9     return 0;
10 }

2.换行符号

　　win和linux下面的换行符号不同。win下面的换行符是“\r\n”，linux下面的换行符是“\r”。

　　使用下面的程序读取文件中的每一行并显示长度：

 1 #include <fstream>
 2 #include <iostream>
 3 #include <string>
 4
 5 using namespace std;
 6 int main(int argc,char* argv[]){
 7     fstream fin(argv[1]);  ///参数为文件名
 8     string readline;
 9     while(getline(fin,readline)){  ///逐行读取，直到结束
10         cout<<readline<<"\t"<<readline.size()<<endl;
11     }
12     fin.close();
13     return  0;
14 }

　(1)win下面建立文件a_win.txt，在linux下面打开正常