日本語のテキストファイルを読み込んで出力したい

##実現したいこと
C++で日本語のテキストファイルを読み込んで画面に出力させようと思っています。fopenでファイルを読み込んでfgetsでchar型の変数に格納するところまではできたのですが、出力結果が文字化けしてしまいます。
少し調べて日本語がマルチバイト文字のせいでアルファベットや数字と仕様が違うところまではわかったのですが、具体的にどうすれば文字化けを防げるかが分かりません。どうすれば文字化けせずに日本語のテキストファイルを読み込めるか教えてください。

##コード

C++
1int main()
2{
3	FILE* fp;
4	const char fname[] = "text/tutolial.txt";
5	char s[256];
6	
7	fp = fopen(fname, "r");
8
9
10	if (fp == NULL)printf("FAILED");
11	else printf("SUCCESS");
12
13	while (fgets(s, 256, fp) != NULL) 
14	{
15		printf("%s", s);
16	}
17	
18	fclose(fp);
19

//tutolial.txt
テスト
てすと
試用

試したこと

fopen以外にもstd::ifstreamのほうも試してみましたがこちらも文字化けしました。

行動規範の内容に同意します

回答3件

ベストアンサー

printfの使い方がぶっ飛んでるのはすでに指摘があるのでこれ以上触れないこととして本題。

C++で、またWindowsで動かすコンソールアプリケーションで適切に文字を取り扱うのは容易ではありません。
これは歴史的経緯もあります。
ref: C++標準化委員会、ついに文字とは何かを理解する: char8_t

Windows のコンソールアプリケーションは何もしないとシステムロケールで動作します。お使いの環境が日本語環境ならcp932(Shift-JIS)という文字コードで表示されます。つまりcp932(Shift-JIS)に含まれない文字(絵文字とかその他多数)を表示しようとすれば表現できませんから文字化けのように見えます。

またそもそもお示しのコードには文字コード変換部分が見受けられません。つまり、読み込んだテキストファイルの文字コードがシステムロケール(多分cp932)と一致しなければ文字化けします。

例えば読み込んだテキストがUTF-8でエンコードされていた場合、cp932とUTF-8でたまたま同じようにエンコードされる範囲(いわゆるASCII)以外は文字化けするでしょう。

読み込んだテキストがUTF-8でエンコードされていた場合にソースコードに手を加えず文字化けを防ぐ方法は最近まではありませんでしたが、Windows 10 1607以降ではchcp 65001とすることでプログラムが動作するロケールをcp932からUTF-8に切り替えられます(正確には昔からあったけどフォントが正しく設定できなかったので実質使えなかった)。chcp 65001の代わりに同等Win32API(SetConsoleCP)を叩いてもいいですが。ただし実行前にフォント設定をお忘れなく。

読み込んだテキストがUTF-8でエンコードされていた場合、こうすれば読み込んだテキストと動作環境のロケールが一致するので文字化けしなくなります。

それ以外のケースでは文字コード変換を行う必要がありますが、これはC/C++標準の範囲ではできず(C++11で追加されたもののC++17でdeprecatedになったため使えない)、Win32APIに頼る必要があります。ただしいかに変換しようともwchar_t系のAPIを叩こうと、コンソールアプリケーションで標準出力から出す限り最終的にシステムロケールの文字コードに内部で変換されますのでcp932で表わせない文字はchcp 65001相当のことをしなければ表現できないことに変わりはありません。

いずれにせよWindowsのコンソールアプリケーションで適切に文字を扱うのは依然として容易ではないのでときには諦めるほうが良かったりします。もしくはコンソールアプリケーションではなくGUIアプリケーションを作るほうが融通がききます。

C++側ではUTF-8でエンコードされた文字を格納することを意図したchar8_t型が追加され、WindowsのいわゆるA系APIもUTF-8に対応するようになりつつあります。あと10年位したらすべてがUTF-8な時代が来てこの辺が楽になるといいですね。

投稿2019/12/07 06:22

yumetodo

総合スコア5852

Parsley_068

2019/12/07 06:45

丁寧補足と解説をありがとうございます！ UTF-8だとうまくいかないんですね...htmlは逆にUTF-8じゃないと文字化けしたので盲点でした...

yumetodo

2019/12/07 06:51

いえ、肝は > 読み込んだテキストファイルの文字コードがシステムロケール(多分cp932)と一致しなければ文字化けしますです。それ以外では少なくとも常に文字コード変換コードを記述する必要があります。 DxLibを使えるんでしたら、SetUseCharCodeFormat(DX_CHARCODEFORMAT_UTF8);するとUTF-8で文字列を扱えて便利です(漢字異字体シーケンス以外の結合文字列には対応してないですが) ref: https://dxlib.xsrv.jp/cgi/patiobbs/patio.cgi?mode=view&no=4163 https://dxlib.xsrv.jp/cgi/patiobbs/patio.cgi?mode=view&no=4759

行動規範の内容に同意します