如何通过 linux 套接字将 UTF-8 文本放入 std::string

Question

我制作了一个简单的 C++ 服务器程序，只要我将它与像 telnet 这样的简单工具一起使用，它就可以正常工作，但是当我使用例如 .Net (C#) 时，它会连接到它并向它发送一些字符串, 文本有些损坏。我在 C# 端尝试了多种编码，唯一的结果是它以不同的方式损坏了。

我认为主要问题在于此函数，该函数旨在从套接字读取一行文本：

std::string Client::ReadLine()
{
    std::string line;
    while (true)
    {
        char buffer[10];
        read(this->Socket, buffer, 9);
        int i = 0;
        while (i < 10)
        {
            if (buffer[i] == '\r')
            {
                i++;
                continue;
            }
            if (buffer[i] == '[=12=]')
            {
                // end of string reached
                break;
            }
            if (buffer[i] == '\n')
            {
                return line;
            }
            line += buffer[i];
            i++;
        }
    }
    return line;
}

这是程序到终端的简单输出，当我使用 telnet 向它发送字符串 "en.wikipedia.org" 时，我看到：

Subscribed to en.wikipedia.org

当我使用使用此代码打开流编写器的 C# 时

streamWriter = new StreamWriter(networkStream, Encoding.UTF8);

我明白了：

Subscribed to en.wiki,pedia.org,

当我在没有 UTF-8 的情况下使用它时（因此使用默认的 .net 编码，IDK 是什么）

streamWriter = new StreamWriter(networkStream);

我明白了：

Subscribed to en.wiki�pedia.org�

然而，这两种情况都是错误的。仅使用标准 C++ 和 linux 库实现此目的的最简单方法是什么？（没有 boost 等——我可以使用一些框架来做到这一点，比如 Qt、boost 等，但我想了解这一点）。完整代码@http://github.com/huggle/XMLRCS

Answer 1

UTF-8 字符串只是一系列单字节，基本上只是 wnat std::string 应该处理的。您还有另外两个问题：

首先是你实际上并没有检查实际读取了多少个字符，你总是循环超过十个字符。由于您没有遍历实际读取的字符数（并且不检查错误或连接结束），您可能会在缓冲区中读取超出 read 写入的数据并且您有 undefined behavior.

第二个问题与第一个问题有点相关，那就是你有一个十个字符的缓冲区，你将最多九个字符读入缓冲区，然后遍历缓冲区中的 所有十个 个字符。这样做的问题是，由于您最多只能读取九个字符，因此第十个字符将始终未初始化。因为缓冲区中的第十个条目始终未初始化，所以它的值将是不确定的，读取它会再次导致未定义的行为。

如何通过 linux 套接字将 UTF-8 文本放入 std::string

How to put UTF-8 text into std::string through linux sockets

c++

linux

encoding