日本語データを配列に収める方法

Question

日本語(漢字含む)が書かれたファイルから、データを配列に収めるにはどうしたらいいのでしょうか？(長々とかかれていますがこれが主題です。後は読まずにこの文章に対してだけ答えてくださっても結構です。)


◆fgetc()で1文字ずつchar型の配列に収めていったのですが、その配列の内容を表示してみると、カタカナと「、」からなる意味不明の文字列が表示されてしまいました。表示は、%sで表示する方法と、%cで1文字ずつをループをつかって表示する方法の2通りの方法を試してみましたが、どっちもダメでした。なぜなんでしょうか？？？（ちなみに英字ならうまくいくのですが…）

ない頭を使って考えてみたんですが、漢字のバイト数を2バイトと仮定すると、(そうではないものもあるらしいのですが…）char型の配列の要素1個あたり1バイトなので、要素1個には、漢字の情報の半分の情報量しか含まれていないからではないか、とおもったんですが、どうでしょうか？

◆しかし、fgetc()ではなく、fgets()で収めてみると、なぜかうまく表示されます(この場合、1行分だけですが)。前出の2つの方法の両方で。なぜなのでしょうか？？？？？？？？？？
じゃあ、その方法でヤレバいいじゃん、といわれそうですがしかし、fgets()だと1行分配列に収めた後、さらに同じ配列にデータの続きを収めることができないからです。つまり、ファイルから1行分しか配列に収められないと…まぁ、何か方法はあると思いますが、いずれにしろスマートではなくなるのでは、と思うのです。

長くなってしまって、ごめんなさい。文章が下手で…(汗汗)
どこか1部分に対する回答や、アドバイスでも結構ですので、よろしくお願いします。

terra5 · Accepted Answer

>…あっ、そうか！このdata[0]に格納されている2進数値列を%cで出力しようとしても、対応するcharacterが無いから何も表示されない、というコトなんですかね？？？

そういう考えでだいたいいいと思います。
正確には,漢字の半分のデータしかないので
何を出していいか分からない状態なので、
何も出ないという状態だと思います。

3byteの方も同様です。
例えば,「亜」をShift JISで表示するためには,
0x88 0x9fを送る必要がありますが、空白がはいると
0x88 0x20 0x9fが送られます。
0x88 0x20が漢字と解釈されますが、該当する文字は
ありませんので、多分空白となるでしょう。
0x9fは半分なので表示できない・・となると思います。

ただ、こういう未定義のコードを出した場合どうなるかは、
場合によって違うかも知れません。
未定義ですから。

terra5 · Answer

>printf("%c",data[0]);でも、
1byteしか出力されません。

>printf("%c %c",data[0],data[1]);でも何も表示されないのに、

' 'が2番目に出力されるので、3byte出力されます。

>printf("%c%c",data[0],data[1]);
2byte出力されます。

というわけで、同じ物が出ていないので結果が違うわけです。
これは元の配列が,intでもcharでも同じことです。


>日本語1文字につき、何が何でも2つの変数に入れなくてはならないのでしょうか？

そんなことはありませんが、その方が説明も楽です(^^;
例えば,long intが4byteならShift JISなら二文字入れることが可能ですが,
いろいろと環境に依存する問題も出てきそうなので,
面倒なので避けます(^^;;;

itohh · Answer

こんにちは。itohhといいます。

記憶があいまいなのですが、
fgetc関数は、２バイト文字の場合、１バイト落としてしまいます。
それなので、文字化けしたようになります。

fopen関数をバイナリモードでオープンするといいかもしれません。
すみません、試していないので間違っているかもしれません。

fread関数でEOFになるまで読み込んでいくのは如何ですか？
例えば、

FILE *stream;
char wRec[100];
char wBuf[1024];
int  wCnt, numread;

/* バイナリモードでファイルを開く */
if( (stream = fopen( "fread.out", "r+b" )) != NULL )
{

　　wCnt = 0;
　　memset( wBuf, 0x00, sizeof(wBuf) );

　　/* EOFになるまで読み込む */
　　while( !feof( stream ) )
　　{
　　　　numread = fread( wRec, sizeof( char ), 100, stream );
　　　　memcpy( &wBuf[wCnt], wRec, numread );
　　　　wCnt += numread;
　　}
　　fclose( stream );
}

本来は、wBufは、ファイルのサイズを調査してファイルサイズ＋１バイトのエリアを
malloc関数で確保するべきだと思います。
det_mul2さんの環境がUNIXなのかWindowsなのか解らないのでファイルサイズを取得す
る関数は省略しました。
また、エラー処理も省略していますので、それなりに行ってください。


ファイルサイズが解るのならば、
while文でループしないで
numread = fread( wBuf, sizeof( char ), ファイルサイズ, stream );
でもOKです。

terra5 · Answer

この手の問題は処理系,環境,コンパイラ,実際のプログラムが無いと判断が難しいです。


自分で問題だと判断したところでなく,なるべく全体を、
何をしたいかを書いたほうがいいですよ。

全く関係の無いと思っていたところが,問題な場合もありますし。

fgetcで失敗するのは,プログラムに問題(バグ)があるような気がしますが,実際のソースコードがないと判断つきません。

cherry_moon · Answer

解決方法がわからないのでアドバイスです。すいません。

fgetc() だとだめで、fgets() ならうまくいくということは、
配列の中身も違うのではないでしょうか？

while(*s){
  printf("%02X ", *s);
  s++;
}
とかで、配列の中身を確認してみてはいかがでしょう？
2つの違いで何かわかるかもしれないですよ。

日本語データを配列に収める方法

>…あっ、そうか！このdata[0]に格納されている2進数値列を%cで出力しようとしても、対応するcharacterが無いから何も表示されない、というコトなんですかね？？？

>printf("%c",data[0]);でも、

この回答への補足

こんにちは。

この手の問題は処理系,環境,コンパイラ,実際のプログラムが無いと判断が難しいです。

解決方法がわからないのでアドバイスです。

似たような質問が見つかりました

関連するカテゴリからQ&Aを探す

デイリーランキングこのカテゴリの人気デイリーQ&Aランキング

マンスリーランキングこのカテゴリの人気マンスリーQ&Aランキング