C++ 减少特殊字符，例如 ü

问题描述 投票：0回答：4

我在使用 C++ 中的 tolower() 函数将字符串转换为小写时遇到问题。对于普通字符串，它可以按预期工作，但是特殊字符无法成功转换。

我如何使用我的功能：

string NotLowerCase = "Grüßen";
string LowerCase = "";
for (unsigned int i = 0; i < NotLowerCase.length(); i++) {
    LowerCase += tolower(NotLowerCase[i]);
    }

例如：

  1. 测试 -> 测试
  2. TeST2 -> 测试2
  3. Grüßen -> gr??????en
  4. (§) -> ()

3 和 4 没有按预期工作，如您所见

如何解决这个问题？我必须保留特殊字符，但要保留小写。

c++ character-encoding htmlspecialchars
4个回答
7
投票

来自 

tolower
的示例代码（如下）显示了如何解决此问题；您必须使用默认“C”语言环境之外的其他语言。

#include <iostream>
#include <cctype>
#include <clocale>

int main()
{
    unsigned char c = '\xb4'; // the character Ž in ISO-8859-15
                              // but ´ (acute accent) in ISO-8859-1 

    std::setlocale(LC_ALL, "en_US.iso88591");
    std::cout << std::hex << std::showbase;
    std::cout << "in iso8859-1, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
    std::setlocale(LC_ALL, "en_US.iso885915");
    std::cout << "in iso8859-15, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
}

您还可以将 

std::string
更改为 
std::wstring
，这是许多 C++ 实现上的 Unicode。

wstring NotLowerCase = L"Grüßen";
wstring LowerCase;
for (auto&& ch : NotLowerCase) {
    LowerCase += towlower(ch);
    }

Microsoft 的指导是“将字符串标准化为大写”，因此您可以使用 

toupper
或 
towupper
 来代替。

请记住，逐个字符的转换可能不适用于某些语言。例如，使用德国所说的德语，将 Grüßen 全部大写，就会变成 GRÜESSEN（尽管现在有一个大写的 ẞ）。还有许多其他“问题”，例如组合字符；如果您正在使用字符串进行真正的“生产”工作，您确实需要一种完全不同的方法。

最后，C++ 对管理区域设置有更复杂的支持，请参阅

<locale>

 了解详细信息。
    



      

      
      
      

      

        

          

            

              
3
投票

              
            

          

        

        
我认为最便携的方法是使用
用户选择的区域设置，这是通过将区域设置设置为""
（空字符串）来实现的。



std::locale::global(std::locale("")); 



这会将语言环境设置为程序运行时所使用的区域设置，并影响在多字节和宽字符串字符之间进行转换的标准字符转换例程（
std::mbsrtowcs & std::wcsrtombs）。 


然后，您可以使用这些函数将系统/用户选择的多字节字符（例如
UTF-8
）转换为系统标准宽字符代码，这些代码可用于一次操作一个字符的函数（例如
std::tolower
） .



这很重要，因为像
UTF-8
这样的多字节字符集无法使用像
std::tolower()
这样的单字符操作进行转换。



将宽字符串版本转换为大写/小写后，可以将其转换回系统/用户多字节字符集以打印到控制台。



// Convert from multi-byte codes to wide string codes
std::wstring mb_to_ws(std::string const& mb)
{
    std::wstring ws;
    std::mbstate_t ps{};
    char const* src = mb.data();

    std::size_t len = 1 + mbsrtowcs(0, &src, 3, &ps);

    ws.resize(len);
    src = mb.data();

    mbsrtowcs(&ws[0], &src, ws.size(), &ps);

    if(src)
        throw std::runtime_error("invalid multibyte character after: '"
            + std::string(mb.data(), src) + "'");

    ws.pop_back();

    return ws;
}

// Convert from wide string codes to multi-byte codes
std::string ws_to_mb(std::wstring const& ws)
{
    std::string mb;
    std::mbstate_t ps{};
    wchar_t const* src = ws.data();

    std::size_t len = 1 + wcsrtombs(0, &src, 0, &ps);

    mb.resize(len);
    src = ws.data();

    wcsrtombs(&mb[0], &src, mb.size(), &ps);

    if(src)
        throw std::runtime_error("invalid wide character");

    mb.pop_back();

    return mb;
}

int main()
{
    // set locale to the one chosen by the user
    // (or the one set by the system default)
    std::locale::global(std::locale(""));

    try
    {
        string NotLowerCase = "Grüßen";

        std::cout << NotLowerCase << '\n';

        // convert system/user multibyte character codes
        // to wide string versions
        std::wstring ws1 = mb_to_ws(NotLowerCase);
        std::wstring ws2;

        for(unsigned int i = 0; i < ws1.length(); i++) {
            // use the system/user locale
            ws2 += std::tolower(ws1[i], std::locale("")); 
        }

        // convert wide string character codes back
        // to system/user multibyte versions
        string LowerCase = ws_to_mb(ws2);

        std::cout << LowerCase << '\n';
    }
    catch(std::exception const& e)
    {
        std::cerr << e.what() << '\n';
        return EXIT_FAILURE;
    }
    catch(...)
    {
        std::cerr << "Unknown exception." << '\n';
        return EXIT_FAILURE;
    }

    return EXIT_SUCCESS;
}



代码未经严格测试
    



      

      
      
      

      

        

          

            

              
0
投票

              
            

          

        

        
我不喜欢更改 std::locale，因此我编写了一个小映射函数，将 Unicode 表的（最相关的？）字符转换为小写。也许它对你来说很方便。


wchar_t unicode_tolower(wchar_t c) {
#define LWR_OFFSET(from, to, by){if(c>=(from) && c<=(to)){return c+(by);}}
#define LWR_NEXT(from, to){const int odd = (from) & 0x0001; if(c>=(from) && c<=(to) && ((c&0x0001) == odd)) {return ++c;}}

    LWR_OFFSET(L'A', L'Z', 0x20)
    LWR_OFFSET(0x00c0, 0x00d6, 0x20) // A with grave ... O with diaeresis
    // 0x00d7=multiplication
    LWR_OFFSET(0x00d8, 0x00de, 0x20) // O with stroke ...Thorn

    LWR_NEXT(0x0100, 0x017e) // A with macron ... Z with caron

    LWR_NEXT(0x0370, 0x0376) // greek
    LWR_OFFSET(0x0391, 0x03ab, 0x20) // greek
    if (c==0x03f7) {return ++c;}
    if (c==0x03fa) {return ++c;}


    LWR_OFFSET(0x0400, 0x040f, 0x50) // Cyrillic - this range is strange
    LWR_OFFSET(0x0410, 0x042f, 0x20) // Cyrillic
    LWR_NEXT(0x0460, 0x04bf)
    LWR_NEXT(0x04c1, 0x04ce)
    LWR_NEXT(0x04d0, 0x052f)

    LWR_OFFSET(0x0531, 0x0556, 0x30) // Armenian
    return c;
#undef LWR_OFFSET
#undef LWR_NEXT
}

    



      

      
      
      

      

        

          

            

              
-6
投票

              
            

          

        

        
使用ASCII



string NotLowerCase = "Grüßen";
string LowerCase = "";
for (unsigned int i = 0; i < NotLowerCase.length(); i++) {
    if(NotLowerCase[i]<65||NotLowerCase[i]>122)
    {
        LowerCase+='?';
    }
    else
        LowerCase += tolower(NotLowerCase[i]);
}

    



      

      
    

  

  

    
最新问题


  





  

    © www.soinside.com 2019 - 2024. All rights reserved.