如何在C

Question

我在C中创建了一个程序，它可以替换或删除字符串中的所有元音。此外，我希望它适用于这些角色：'æ'，'ø'，'å'。

我曾尝试使用strstr（），但我没有设法实现它而不替换包含'æ'，'ø'或'å'的行上的所有字符。 我也读过wchar，但这似乎只是让一切变得复杂。

该程序正在使用这一系列字符：

char vowels[6] = {'a', 'e', 'i', 'o', 'u', 'y'};

我试过这个数组：

char vowels[9] = {'a', 'e', 'i', 'o', 'u', 'y', 'æ', 'ø', 'å'};

但它会发出以下警告：

  

警告：多字符字符常量[-Wmultichar]

     

警告：隐式常量转换溢出[-Woverflow]

如果我想用'a'替换每个元音，则用' a'替换'å'。

我也试过'{3}}'æ'，'ø'和'å'。

char extended[3] = {"\xc3\xa6", "\xc3\xb8", "\xc3\xa5"};

但它会出现此错误：

  

char数组初始值设定项中的多余元素

有没有办法让这项工作变得过于复杂？

Answer 1

有两种方法可以使该角色可用。第一个是code pages，它允许你use extended ASCII characters（值128-255），但代码页依赖于系统和语言环境，所以一般来说这是一个坏主意。

更好的选择是使用unicode。 unicode的典型情况是使用宽字符文字like in this post：

wchar_t str[] = L"αγρω";

您的代码的关键问题是您正在尝试compare ASCII with UTF8, which can be a problem。解决方案很简单：将所有文字转换为宽字符UTF8等效项以及字符串。您需要使用通用编码而不是混合它，除非您有转换功能来帮助解决。

Answer 2

了解UTF-8（包括与Unicode的关系）并使用一些UTF-8库：来自GTK的libunistring，utfcpp，Glib，{ {3}} ....

您需要了解您使用的ICU。

我强烈建议 character encoding在所有情况下（这是大多数Linux系统和几乎所有互联网和网络服务器的默认设置;请阅读UTF-8＆amp; {{3 }}）。 阅读locale(7) ....

^{我不建议wchar_t的宽度，范围和符号是特定于实现的（您无法确定Unicode是否适合wchar_t;有传言说在Windows上它不适合）。将UTF-8输入转换为Unicode / UCS4也很耗时，不仅仅是处理UTF-8 ......}

请理解，在UTF-8中，字符可以用几个字节进行编码。例如，ê（法语强调utf8(7)小写）以两个字节0xc3, 0xaa编码，ы（俄语utf8everywhere小写）编码为两个字节0xd1, 0x8b，两者都被认为是元音，但两者都不适合char（你和我的机器上的8位字节）。

e circonflexe的概念很复杂（例如俄语，阿拉伯语，日语，希伯来语，切诺基语，印地语等元音是什么元素），所以可能没有简单的解决方案来处理你的问题（因为UTF） -8有yery）。

您确定æ和œ是字母还是元音？ （FWIW，å＆amp; œ＆amp; æ在Unicode中被分类为字母和小写字母）。我在法语小学被教导他们是vowel（法语词典并没有将它们称为字母，因此œuf位于oeuf的字典中，这意味着< EM>蛋）。但我不是这方面的专家。请参阅combining characters。

在Linux上，由于UTF-8是默认编码（并且在最近的发行版中越来越难以获得其他版本），我不建议使用wchar_t，而是使用UTF-8 {{1 （例如，处理多字节编码的UTF-8的函数）（使用ligatures UTF8和Unicode函数）：

char

我不确定我的功能名称是否正确;但是你在评论中告诉我，Norvegian（我不知道）没有比我的功能更多的元音字符。

我故意将UTF-8放在文字字符串或宽字符文字中（仅在注释中）。还有其他过时的字符编码（阅读strcoll(3)或Glib），您可能希望交叉编译代码。