Question

处理字符值的正确方法是什么，当转换为无符号字符落在{INT_MAX + 1 ... UCHAR_MAX}之间时，其中UCHAR_MAX大于INT_MAX。

int is_digit(char c) {
    unsigned char uchar = c;
    if(uchar > INT_MAX)
        return MAYBE;
    return isdigit((int)uchar) ? YES : NO;
}

Answer 1

如果您使用UCHAR_MAX的计算机，则INT_MAX的唯一方式是sizeof(int) == 1。即，其中char的位数与int的位数相同。在这些计算机上，UCHAR_MAX = UINT_MAX≥INT_MAX。

在32位（或更高）的机器上，这不太可能是一个问题。只要变量c中的值来自文本源，就没有我知道的文本编码会导致溢出。即使'UTF-32'也只有低21位有效。（实际上，由于我们正在讨论奇数系统，我应该说这适用于sizeof(int) = 1且CHAR_BIT≥22的机器.☺）

如果在这样的计算机is_digit()上传递的参数c大于INT_MAX，它不是来自文本来源。未定义的行为是将非字符数据放入char变量的结果，这将始终是程序员所做的事情，不是实现所导致的内容。

有一个可能出现问题的系统：16位char和int，系统使用16位字符代码（例如，UTF-16）其中可以设置高位。如果是这种情况，那么实现就应该将普通char定义为签名，正是出于这个原因。如果char已签名，则会将其提升为（已签名）int，并可安全地传递给is*()系列函数; char无符号时会将其提升为 unsigned int，并且可能未定义对已签名int的强制转换。

在这样的系统上，你的代码确实被破坏，但是这将是你自己的错误，完全不必要的转换为unsigned char和危险的（在这个系统上）转换{{ 1}}。

总结：在具有(int)uchar的系统上，实现有责任确保每个代码点在存储在sizeof(int) == 1变量中时可以安全地传递给char函数（期望ctype.h参数）。这可以始终完成。如果你在一个不是代码点的int变量中存储了一些内容并将其传递给char，那么未定义行为的责任就在于你和你自己。

Answer 2

Unicode字符集（常用的最大字符集）具有0到0x10ffff的字符代码。因此，字符代码大于INT_MAX的唯一可能性是int是16位类型（或特别是小于22位）。如果是这种情况，那么您根本无法在int中存储字符代码。

如果int是32位类型（或至少22位），则转换为int时字符代码不会溢出。

处理ctype.h整数溢出

2 个答案: