Question

我正在尝试将包含重音的字符串转换为C ++中的纯ASCII字符串（用于索引）。我知道这个问题已被无数次询问，但与其他人不同，我没有选择包括任何第三方库，如ICU，甚至使用boost。

到目前为止，我已经尝试创建一个重音符号的地图（unsigned char到unsigned char），如下所示

map<unsigned char, unsigned char> myMap;
myMap['ì'] = 'i'; //few more like this

然后这个功能

string result;
for(size_t i = 0; i < inputString.size(); i++) {
    if(myMap.count(inputString[i]) > 0) {
        result += myMap[inputString[i]];
    } else {
        result += inputString[i];
    }
}

但是当我尝试使用像“Forlì”这样的字符串时，它会返回Forl<C3>i。为什么会这样？如何删除此额外<C3>？

请注意，这将是生产级别的代码，因此我将避免包含重度类以进行这种微小的更改（只需用unsigned char表示的重音字符大小写）。

Answer 1

也许您应该使用unsigned short作为地图的第一种类型。同时将源文件保存为UTF16。

啊..使用basic_string＆lt; char＆gt;，我认为这段代码无论如何都不行。

原始文本必须使用UTF8或UTF16进行编码。读取它作为ASCII将介绍C / C ++标准库字符集转换。我怀疑在这一步中发生了C3。这种编码处理可能会使情况恶化。

实际上，Unicode只有65535个16位值。如果我们只针对像字符这样的字母，那么正确的代码转换是非常可行的，恕我直言。但是如果我们将它加载为ASCII，我们必须知道C / C ++ IO如何处理代码转换。

兼容性，可移植性......非常复杂。这是许多人使用类似ICU的ICU的原因之一。

在没有ICU或boost的情况下，在C ++中规范化unicode字符？

1 个答案: