Question

嘿伙计们。简单的问题：如何从char中删除重音？喜欢ã - ＆gt; a，和é - ＆gt;即我在另一个问题中询问如何将utf-8转换为ascii，但这是不必要的，因为我只需要处理这些情况。

我试过了：

char comando;
if( comando == 'ç' || comando == 'Ç') {
        comando = 'c';
        return comando;
    }

但它给了我这个错误：“由于数据类型的范围有限，比较总是错误的。”

我无法确定我的老师要编译我的程序的GCC版本，但她会在Linux上运行它（可能是Ubuntu）。我不能使用标准的lib。：（

谢谢！

Answer 1

C标准表示诸如'ç'之类的字符常量是整数常量：

§6.4.4.4/ 9

整数字符常量的类型为int。整数字符常量的值   包含映射到单字节执行字符的单个字符是   解释为整数的映射字符表示的数值。

如果在您的机器上签署了char类型（它在Linux上），那么当comando包含'ç'并且被提升为整数时，它将变为负整数，而'ç'是一个正整数。因此来自编译器的警告。

对于8位字符集，到目前为止，执行此类操作的最快方法是创建一个256字节的表，其中每个位置包含字符的非重音版本。

int unaccented(int c)
{
     static const char map[256] =
     {
          '\x00', '\x01', ...
          ...
          '0',    '1',    '2', ...
          ...
          'A',    'B',    'C', ...
          ...
          'a',    'b',    'c', ...
          ...
          'A',    'A',    'A', ... // 0xC0 onwards...
          ...
          'a',    'a',    'a', ... // 0xE0 onwards...
          ...
     };
     if (c < 0 || c > 255)
         return EOF;
     else
         return map[c];
}

当然，你要编写一个程序 - 可能是一个脚本 - 来生成数据表，而不是手动完成。在0..127范围内，位置x处的字符是代码为x的字符（所以map['A'] == 'A'）。

如果允许您使用C99，则可以使用指定的初始化程序来改进表格：

static const char map[] =
{
    ['\x00'] = '\x00', ...
    ['A']    = 'A', ...
    ['a']    = 'a', ...
    ['å']    = 'a', ...
    ['Å']    = 'A', ...
    ['ÿ']    = 'y', ...
};

你应该用 ~~diphthongs~~ 字母来做什么，例如'æ'或'ß'没有等效的ASCII;然而，“当有疑问时，不要改变它”的简单规则可以合理地应用。它们不是重音字符，但它们也不是ASCII字符。

这对UTF-8来说效果不佳。为此，您需要更多专门的表，这些表来自Unicode标准中的数据。

另请注意，在调用此函数之前，您应该将任何'char'值强制为'unsigned char'。也就是说，该代码也可能试图与滥用者打交道。但是，当人们在调用函数时不小心时，很难将'ÿ'（0xFF）与EOF区分开来。 C标准字符测试宏需要支持所有有效字符值（当转换为unsigned char时）和EOF作为输入 - 这遵循该设计。

§7.4/ 1

在所有情况下，参数都是一个int，其值应为   可表示为无符号字符或等于宏EOF的值。如果   参数有任何其他值，行为未定义。

Answer 2

作为其他答案的补充，请尝试以下尺寸：

#include <stdio.h>
#include <stdlib.h>
#include <wchar.h>

int main(int argc, char** argv)
{
    wchar_t* x = calloc(100, sizeof(wchar_t));
    char*    y = calloc(100, sizeof(char));

    printf("Input something: ");
    fread(y, 1, 99, stdin);

    mbstowcs(x, y, 100);

    if ( x[0] = L'è' )
    {
        printf("Ohhh, french character!\n");
    }


    free(y); free(x);

    return 0;
}

此代码向您展示了两件事：首先，如何将您读入的多字节字符串转换为宽字符串。从那里，你可以处理几乎所有存在的角色（理论上至少）。

完成此操作后，您只需要一个字符映射及其变换，这样您就可以解析每个字符并将其映射到其他字符。 请参阅此

的其他答案

一些注意事项：我在输入输入时故意在stdin - ctrl + D上使用fread()。这是为了防止缓冲区溢出攻击，如果将结果传递给函数，则容易使用scanf（参见NOP底座）。

其次，我盲目地假设y的输入主要是单字节。事实是，如果在多字节字符串中每个字符使用两个字节，则100个字符= 50个wchar_t字符。我也可以检查长度等，但这超出了本例的范围。

Answer 3

你在另一个类似的问题中提到，这很容易用你知道的其他语言做。如果我是你并且找不到一个很好的方法来使用C中的可用代码并且需要在C中执行此操作，我会用另一种语言编写一个程序来生成一个C函数，它将为您进行转换。只要你可以循环遍历所有字符，这应该不会太困难，尽管它可能是大代码。我可能会为utf-16做这个，只需要一个简单的包装函数，它接受utf-8，将它们转换为utf-16，并调用转换函数。

转换函数只能由一个非常大的switch / case语句组成，默认情况下是没有转换的字符。

带有重音的字符，在C中没有重音

3 个答案: