C/C++ isspace（）所能跳過多字節字符串字符

我有以下函數返回剝離從字符串中的空格，C/C++ isspace（）所能跳過多字節字符串字符

char *rtrim(char *l_ptr) 
{ 
    char *lptr = l_ptr + strlen(l_ptr) - 1; 
    for (; lptr != l_ptr && isspace((int)*lptr); lptr--) 
     ; 
    *lptr = '\0'; 
     return lptr; 
} 

char *ltrim(char *l_ptr) 
{ 
    char *lptr; 
    for (lptr = l_ptr; *lptr != '\0' && isspace((int)*lptr); lptr++) 
     ; 
    return lptr; 
} 


char *trim(char *l_ptr) { 
return rtrim(ltrim(l_ptr)); 
}

的問題是它的修整字符以下 -

去除導致從空格「

Ć"

除去前導空格，得到的「」

的字符是0xc6，之前有幾個空格。我已經檢查了包含setlocale（LC_ALL，「」）;的代碼。 LANG設置爲pl_PL.isoo88592。任何幫助非常感謝。

謝謝。

來源

2014-02-13 user3305937

什麼字符編碼您使用的？ –

@JohnZwinck從他的LANG設置中，我猜測ISO 8859-2（Latin-2，東歐）。 –

注意：'char * lptr = l_ptr + strlen（l_ptr） - 1;'如果'l_ptr'爲'「」'則爲UB。（也可能是一個_long_循環。） – chux

rtrim()有多個問題。

isspace()僅在範圍unsigned char和EOF爲int定義。對於範圍在0到CHAR_MAX之間的值（通常爲0到127），需要在隱式轉換爲int之前轉換爲unsigned char。（@詹姆斯觀世）

C11dr第7.4.1節」 ......其值應是可表示爲unsigned char或應等於宏EOF的值。如果參數爲其他值時，行爲沒有定義。「
char *lptr = l_ptr + strlen("") - 1;是壞的，因爲該指針值未知是有效的。需要新的方法。這也揭開序幕長循環與

for (; lptr != l_ptr ... ; lptr--)
*lptr = '\0'; return lptr;總是retruns ""。 @ hvd可能需要字符串的開始。

建議重新寫：

#include "ctype.h" 
char *rtrim(char *l_ptr) { 
    unsigned char *ptr = (unsigned char *) l_ptr; 
    unsigned char *end = ptr; 
    while (*ptr) { 
    if (!isspace(*ptr++)) { 
     end = ptr; 
    } 
    } 
    *end = '\0'; 
    return l_ptr; 
}

來源

2014-02-13 15:56:07 chux

謝謝，您提出的更改使我的代碼正常工作。 – user3305937

@ user3305937如果其中一個答案能夠很好地滿足您的帖子的需求，請接受它。獲得15個以上的代表積分後，請務必對所有您認爲有用的答案進行投票。 – chux

你rtrim函數結束的

*lptr = '\0'; 
return lptr;

這永遠不能返回比將被視爲一個空字符串的任何其他。在trim你然後直接返回該結果。

根據您想如何將這些功能的工作，你應該要麼使rtrim回報l_ptr原始值，它一直保持不變，並指向字符串的開頭，或使trim忽略的rtrim返回值。

你也有同樣的問題，所有的字符，而不僅僅是'Ć'。

來源

2014-02-13 12:41:58 hvd

我認爲在'rtrim'中返回字符串的結尾不是*有問題，而是''rtrim'用於實現'trim'的方式。 – hmn

@hmn哦，當然，我想這也是一個有效的方法。將編輯。 – hvd

的問題是你如何調用isspace。 isspace僅已經定義的結果，如果輸入是在[0,UCHAR_MAX] 範圍（或是EOF）。在您的系統上，char可能已簽名，其中表示(int)*lptr將導致重音字符（代碼點大於127的字符），（不在合法範圍內）爲負值。

當調用的is...的一個參數的形式（那些 <cctype>或<ctype.h>），你應該始終投的 char類型unsigned char什麼：isspace( static_cast<unsigned char>( *lptr ) )。（中unsigned char 到int的隱式轉換會做正確的事。）

來源

2014-02-13 12:45:36

雖然基於標準完全正確，但您確定這是導致OP的問題嗎？如果我沒有記錯，至少glibc有意支持函數中的負值，例如'isspace'作爲標準要求的擴展。 – hvd

@ hvd這將解釋症狀。儘管如你所說，一些實現_do_盡力使它工作（除了對於Latin-1中的''''，其代碼點爲0xFF）;我記得這是Solaris下的情況。（我不記得在Linux下嘗試了，看看'glibc'的功能。）我還需要至少一次過去的一次，在Windows （使用VC++）時不是這種情況。 –

如果與多字節字符工作可能會比較容易切換到wchar，以避免與CHAR（指針）操縱不必要的麻煩？

你也可以使用iswspace檢查如果字符是一個空白。

來源

2014-02-13 13:03:50 deimus

他的環境似乎說他正在使用不是多字節的ISO 8859-2。 –

C/C++ isspace（）所能跳過多字節字符串字符

回答

相關問題