Question

我正在开展一个项目，其中区分大小写的操作需要用不区分大小写的操作替换。在对此进行一些阅读之后，要考虑的数据类型是：

Ascii字符
非ascii字符
Unicode字符

如果我错过了列表中的任何内容，请告诉我。

上面是否需要单独处理或者是否有C ++库可以处理它们而不涉及数据类型？

具体做法是：

boost库是否支持此功能？如果是，是否有关于如何使用API的示例或文档？
我了解了IBM的Unicode国际组件（ICU）。这是一个为不区分大小写的操作提供支持的库吗？如果是，是否有关于如何使用API的示例或文档？

最后，上述（和其他）方法中哪一个更好，为什么？

谢谢！

根据评论和答案，我写了一个示例程序来更好地理解这一点：

#include <iostream>       // std::cout
#include <string>         // std::string
#include <locale>         // std::locale, std::tolower

using namespace std;

void ascii_to_lower(string& str)
{
     std::locale loc;
     std::cout << "Ascii string: " << str;
     std::cout << "Lower case: ";

     for (std::string::size_type i=0; i<str.length(); ++i)
         std::cout << std::tolower(str[i],loc);
     return;
}

void non_ascii_to_lower(void)
{
    std::locale::global(std::locale("en_US.UTF-8"));
    std::wcout.imbue(std::locale());
    const std::ctype<wchar_t>& f = std::use_facet<std::ctype<wchar_t> >(std::local
    std::wstring str = L"Zoë Saldaña played in La maldición del padre Cardona.";

    std::wcout << endl << "Non-Ascii string: " << str << endl;

    f.tolower(&str[0], &str[0] + str.size());

    std::wcout << "Lower case: " << str << endl;

    return;
}

void non_ascii_to_upper(void)
{
    std::locale::global(std::locale("en_US.UTF-8"));
    std::wcout.imbue(std::locale());
    const std::ctype<wchar_t>& f = std::use_facet<std::ctype<wchar_t> >(std::local
    std::wstring str = L"¥£ªÄë";

    std::wcout << endl << "Non-Ascii string: " << str << endl;

    f.toupper(&str[0], &str[0] + str.size());

    std::wcout << "Upper case: " << str << endl;

    return;
}

int main ()
{
    string str="Test String.\n";

    ascii_to_lower(str);
    non_ascii_to_upper();
    non_ascii_to_lower();

    return 0;
}

输出结果为：

Ascii string：Test String。小写：测试字符串。

非Ascii字符串：▒▒▒▒▒ 大写：▒▒▒▒▒

Non-Ascii string：Zo▒Salda▒a在Lamaldici▒ndelpadre Cardona中出场。小写：zo▒salda▒a在lamaldici▒ndelpadre cardona中播放。

非ascii字符串虽然似乎转换为大写和小写，但某些文本在输出中不可见。为什么是这样？

总的来说，示例代码看起来不错吗？

Answer 1

我对这个问题感到有些惊讶。对boost case conversion的简单搜索提出了第一个条目：Usage - 1.41.0 - Boost，其中有一个案例转换条目。

搜索stl case conversion的条目tolower - C++ Reference - Cplusplus.com也会显示如何使用STL进行转换。

要进行不区分大小写的搜索，请将两者都转换为大写或大写并进行比较。

来自boost.org的代码示例：

string str1("HeLlO WoRld!");
to_upper(str1); // str1=="HELLO WORLD!"

来自Cplusplus.com的示例：

// tolower example (C++)
#include <iostream>       // std::cout
#include <string>         // std::string
#include <locale>         // std::locale, std::tolower

int main ()
{
  std::locale loc;
  std::string str="Test String.\n";
  for (std::string::size_type i=0; i<str.length(); ++i)
    std::cout << std::tolower(str[i],loc);
  return 0;
}

对于ASCII字符（ASCII值<128的字符），应该没有问题。如果您使用的是MCBS，则可能需要将locals用于代码页。 Unicode应该没有问题AFAIK。

关于马特乔丹的评论：

此请求的真正问题是许多语言都具有案例转换的上下文要求 - 例如希腊语中的大写sigma 0x3A3应该变为0x03C3或0x03C2，具体取决于它是否在单词的末尾。

如果boost库支持这个，我会感到惊喜。你必须测试它并报告错误，如果他们不。他们的页面上没有参考说明他们是否进行任何上下文案例转换。解决方法可能是测试转换为小写和比较，以及转换为大写和比较。如果其中任何一个为真，那么就有一个匹配，这应该适用于99.99％的情况。

Bjarne Stroustrup撰写的一篇有趣的论文，发现here，是关于Locales的好读物。

Answer 2

你已经对提升有了很好的答案。这里有一些补充说明：

字符编码

ASCII字符以7位编码。 ISO 8859-1和windows-1252通过使用第8位用一组有限的国际字符扩展ASCII。

Unicode标准进一步扩展了ASCII，并在32位上定义。有几种编码可供使用：32位上的UTF32是最简单的（1个unicode字符= 1个字符），但UTF16和UTF8编码允许使用较小的编码来存储Unicode文本字符。

为了使其更加困难，不同的操作系统使用不同的约定。在linux上，wchart_t通常是用于unicode的32位宽字符，wstring是基于wchar_t的字符串，char使用UTF8编码。在Windows wchar_t上定义为16位，因为Windows＆＃39;本机编码是UCS-2（unicode的子集），char通常被理解为win1252。

处理字符大小和编码

因此，要回顾您的问题，需要考虑两个方面：

存储 - 如果你想要一个适合所有人的大小，你可以使用char32_t和任何unicode字符一样保存ASCII。并使用basic_string<char32_t>或u32string作为字符串，它支持您用于处理普通字符串的所有函数。或者你可以使用普通字符串并遵守UTF 8 everywhere。
编码 - 您的应用程序如何解释您的char中包含的值，以及执行转换为大写或大写的操作。这在适用的locale中定义。

幸运的是，C ++标准库可以应对所有这些方面：

区域设置有助于管理uppercase＆amp;使用适当的编码

isupper()

isalpha()

codecvt允许在各种encondings之间进行转换

其他图书馆

ICU库似乎不提供不区分大小写的比较。它为文本处理提供支持，例如，使用排序规则等迭代文本元素。

我建议继续使用标准库或提升，因为他们享有广泛的支持。

不区分大小写的操作

2 个答案: