不區分大小寫的操作

Question

我正在開發一個項目，其中區分大小寫的操作需要替換爲不區分大小寫的操作。在此做一些閱讀後，要考慮數據的類型有：

1. Ascii字符
2. 非ASCII字符
3. Unicode字符

請讓我知道，如果我錯過了列表中的任何內容。

以上需要單獨處理還是有C++庫可以處理它們而不涉及數據類型？

具體做法是：

1. 是否Boost庫爲此提供支持？如果是這樣，是否有示例或關於如何使用API​​的文檔？

2. 我瞭解了IBM的Unicode國際組件（ICU）。這是一個爲不區分大小寫的操作提供支持的庫嗎？如果是這樣，是否有示例或關於如何使用API​​的文檔？

最後，上述（和其他）方法中的哪一種更好，爲什麼？

謝謝！

基礎上的意見和答案，我寫了一個示例程序，爲了更好地理解：

#include <iostream>  // std::cout 
#include <string>   // std::string 
#include <locale>   // std::locale, std::tolower 

using namespace std; 

void ascii_to_lower(string& str) 
{ 
    std::locale loc; 
    std::cout << "Ascii string: " << str; 
    std::cout << "Lower case: "; 

    for (std::string::size_type i=0; i<str.length(); ++i) 
     std::cout << std::tolower(str[i],loc); 
    return; 
} 

void non_ascii_to_lower(void) 
{ 
    std::locale::global(std::locale("en_US.UTF-8")); 
    std::wcout.imbue(std::locale()); 
    const std::ctype<wchar_t>& f = std::use_facet<std::ctype<wchar_t> >(std::local 
    std::wstring str = L"Zoë Saldaña played in La maldición del padre Cardona."; 

    std::wcout << endl << "Non-Ascii string: " << str << endl; 

    f.tolower(&str[0], &str[0] + str.size()); 

    std::wcout << "Lower case: " << str << endl; 

    return; 
} 

void non_ascii_to_upper(void) 
{ 
    std::locale::global(std::locale("en_US.UTF-8")); 
    std::wcout.imbue(std::locale()); 
    const std::ctype<wchar_t>& f = std::use_facet<std::ctype<wchar_t> >(std::local 
    std::wstring str = L"¥£ªÄë"; 

    std::wcout << endl << "Non-Ascii string: " << str << endl; 

    f.toupper(&str[0], &str[0] + str.size()); 

    std::wcout << "Upper case: " << str << endl; 

    return; 
} 

int main() 
{ 
    string str="Test String.\n"; 

    ascii_to_lower(str); 
    non_ascii_to_upper(); 
    non_ascii_to_lower(); 

    return 0; 
} 

輸出是：

ASCII字符串：測試字符串。 小寫字母：測試字符串。

非ASCII字符串：▒▒▒▒▒ 大寫：▒▒▒▒▒

非ASCII字符串：Zo▒Salda▒a在Lamaldici▒n德爾帕德里卡多納播放。 小寫字母：zoalsalda▒a在la maldici？n del padre cardona中演奏。

雖然非ascii字符串似乎轉換爲大寫和小寫，但某些文本在輸出中不可見。爲什麼是這樣？

總的來說，示例代碼看起來好嗎？

Answer 1

我對這個問題有點驚訝。一個簡單的搜索boost case conversion提出了第一個條目：Usage - 1.41.0 - Boost它有一個大小寫轉換的條目。

搜索stl case conversion有一個條目tolower - C++ Reference - Cplusplus.com它也顯示瞭如何使用STL進行轉換。

要進行不區分大小寫的搜索，請將它們都轉換爲小寫或大寫並進行比較。

來自boost的代碼示例。組織：從Cplusplus.com

string str1("HeLlO WoRld!"); 
to_upper(str1); // str1=="HELLO WORLD!" 

實施例：

// tolower example (C++) 
#include <iostream>  // std::cout 
#include <string>   // std::string 
#include <locale>   // std::locale, std::tolower 

int main() 
{ 
    std::locale loc; 
    std::string str="Test String.\n"; 
    for (std::string::size_type i=0; i<str.length(); ++i) 
    std::cout << std::tolower(str[i],loc); 
    return 0; 
} 

對於ASCII字符（字符的ASCII值< 128），應該沒有問題。如果您正在使用MCBS，則可能需要使用本地代碼頁。 Unicode應該沒有問題AFAIK。

至於馬特喬丹的評論：

這個請求真正的問題是，許多語言都有大小寫轉換的背景條件 - 例如希臘語中的大寫sigma 0x3A3應該變爲0x03C3或0x03C2，具體取決於它是否在單詞的末尾。

如果boost庫支持這個，我會很驚喜。如果他們不這樣做，你將不得不測試它並報告錯誤。他們的頁面上沒有提及他們是否執行任何上下文案例轉換。解決辦法可能是測試轉換爲小寫和比較，並轉換爲大寫和比較。如果兩者都是真的，那麼就有一場比賽，這應該對99.99％的情況起作用。

Bjarne Stroustrup發現一篇有趣的文章here，這是一篇關於Locales的好書。

Answer 2

你已經有一個關於提升的非常好的答案。此處一些補充說明：

字符編碼

ASCII字符上7位編碼。 ISO 8859-1和windows-1252通過利用第8位來擴展具有有限國際字符集的ASCII。

Unicode標準更進一步擴展ASCII，並在32位上定義。有幾種編碼可用：32位上的UTF32是最簡單的（1個Unicode字符= 1個字符），但UTF16和UTF8編碼允許使用較小的字符存儲具有可變大小編碼的Unicode文本。

爲了使它更加困難，不同的操作系統使用不同的約定。在linux上，wchart_t通常是用於unicode的32位寬字符，而wstring是基於wchar_t的字符串，而char使用UTF8編碼。在窗口wchar_t被定義爲16位，因爲窗口的本地編碼是UCS-2（unicode的子集），並且char通常被理解爲win1252。

與字符大小和編碼

所以回來在你處理問題，有兩個方面需要考慮：

• 存儲 - 如果要一刀切一切，你可以使用char32_t，它可以保存任何unicode字符的ASCII碼。對於字符串使用basic_string<char32_t>或u32string，這些字符串支持您用於處理普通字符串的所有功能。或者你可以使用普通字符串並堅持UTF 8 everywhere。

• 編碼 - 您的應用程序如何解釋char中包含的值，並執行轉換爲小寫或大寫等操作。這在適用的locale中定義。

幸運的是，C++標準庫可與所有這些方面應對：

• 現場幫助管理uppercase &小寫轉換，可以使用相應的編碼測試（例如isupper()，isalpha()，...）
• codecvt允許各種encondings之間進行轉換

其他庫

ICU庫似乎不提供大小寫不敏感的比較。它爲文本處理提供支持，例如，遍歷文本元素，使用排序規則排序等等。

由於這些享受的廣泛支持，我建議繼續使用標準庫或提升。