11-12 统计文件字符个数（部分待定）

1. 统计中文文本的字符个数

        使用宽字符相关函数 wcslen() 以及宽字符文件读取相关函数 fgetws() 统计中文文本的字符个数。

        需要注意的是，设定 GBK 编码的代码在不同系统下不同。windows 系统下 设定 GBK 编码的代码为 setlocale(LC_ALL, "chs")，其他系统（Linux，Mac）下设定 GBK 编码的代码为 setlocale(LC_ALL, "zh_CN.gbk")。设定 GBK 编码后，读取文件的代码是一致的，均为 file = fopen(filename, "r")。

        UTF-8 正好与之相反。不同系统下设定 UTF-8 的代码相同，均为 setlocale(LC_ALL, "zh_CN.utf-8")，而读取 UTF-8 编码文件的代码不一致。windows 系统下读取 utf-8 编码的文件代码为 file = fopen(filename, "r, ccs=utf-8")，其他系统均为 file = fopen(filename, "r")。

#include <stdio.h>
#include <locale.h>
#include <wchar.h>


// 设定错误类型
#define ERROR_ILLEGAL_FILENAME -1
#define ERROR_CANNOT_OPEN_FILE -2
#define ERROR_READ_FILE -3
#define ERROR_UNSUPPORTED_CHARSET -99

#define CHARSET_UTF8 0
#define CHARSET_GBK 1

#define BUFFER_SIZE 512

int CountCharactersInFile(char const *filename, int charset) {

  if (filename == NULL) return ERROR_ILLEGAL_FILENAME;

  FILE *file;

  // 不同编码格式，执行不同操作
  switch (charset) {

    case CHARSET_GBK:

#ifdef _WIN32  // 设定不同系统对应的 GBK 编码
      setlocale(LC_ALL, "chs");
#else
      setlocale(LC_ALL, "zh_CN.gbk");
#endif

      file = fopen(filename, "r");
      break;

    case CHARSET_UTF8:
      setlocale(LC_ALL, "zh_CN.utf-8");  // 不同系统下设定 utf-8 方法相同

#ifdef _WIN32 // 不同系统使用 utf-8 格式，读取的方法有差别
      file = fopen(filename, "r, ccs=utf-8");
#else
      file = fopen(filename, "r");
#endif
      break;

    default: return ERROR_UNSUPPORTED_CHARSET;
  }

  // 文件打开失败
  if(file == NULL) return ERROR_CANNOT_OPEN_FILE;

  // 文件打开成功
  wchar_t wcs[BUFFER_SIZE];
  int count = 0;
  while(fgetws(wcs, BUFFER_SIZE, file) != NULL){ // 文件没读完
    count += wcslen(wcs);  // 读取的字符个数加和
  }
  // 文件读完，判断读完的原因
  if(ferror(file)){
    perror("method error!");
    fclose(file);  // 文件打开就要关闭，注意！！
    return ERROR_READ_FILE;
  }

  fclose(file);
  return count;
}

int main() {

  TestWchar();

  printf("data/sanguo_gbk.txt: %d\n", CountCharactersInFile("data/sanguo_gbk.txt", CHARSET_GBK));
  printf("data/sanguo_utf8.txt: %d\n", CountCharactersInFile("data/sanguo_utf8.txt", CHARSET_UTF8));

  printf("data/CMakeLists_gbk.txt: %d\n", CountCharactersInFile("data/CMakeLists_gbk.txt", CHARSET_GBK));
  printf("data/CMakeLists_utf8.txt: %d\n", CountCharactersInFile("data/CMakeLists_utf8.txt", CHARSET_UTF8));

  return 0;
}

2. 统计英文字符个数

        统计英文个数可以使用窄字符相关函数 strlen() 和 fgets()，也可使用上述统计中文字符个数的代码（原因？）。

        mingw 编译器下（未修改编译器编码格式），GBK 和 UTF-8 编码的程序文件，其执行结果相同。msvc 编译器 + 程序文件 GBK 编码（编译器默认编码格式为 GBK）也可得到下图的结果，而当 msvc 编译器 + 文件 UTF-8 编码时，若不修改编译器编码格式为 UTF-8 时，则会报程序错误。

         故一定要注意三个地方的编码需要保持一致。一，文件本身的编码；二，编译器编译时使用的编码；三，程序代码读取相关字符时使用的编码。三者编码保持一致，才可以正确获取宽字符的个数。三个地方的编码调整方式见：https://blog.csdn.net/gltzlike/article/details/119479343。

        此外，使用 wcslen() 函数时，如果三个地方编码格式不一致，不能获取到正确的宽字符个数。

void TestWchar(){

  wchar_t str1[] = L"你好，中国！";
  int count = wcslen(str1);
  printf("%d", count);  // 6

}

3. 疑惑

        1）为什么统计中文字符个数的代码，可以准确无误的统计英文字符个数？