C - 如何避免变音/重音敏感问题

Question

我正在创建一个猜测国家首都的小程序。一些首都有口音，cedillas等。

由于我必须比较用户猜测的资本和文本，而且我不想让口音弄乱这些比较，我去挖掘互联网以获得某种方式。

我遇到了无数其他编程语言的解决方案，但只有几个关于C的结果。

他们都没有真正和我合作过。虽然，我得出结论，我必须使用wchar.h库来处理那些讨厌的字符

我制作了这一小段代码（用E代替É）只是为了检查这个方法而且反对我阅读并理解它不起作用，即使打印宽字符串也不显示变音字符。如果它有效，我相信我可以在首都的计划中实现这一点，所以如果有人能告诉我什么是错的，我会很感激。

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

const wchar_t CAPITAL_ACCUTE_E = L'\u00C9';

int main()
{
    wchar_t wbuff[128];
    setlocale(LC_ALL,"");
    fputws(L"Say something: ", stdout);
    fgetws(wbuff, 128, stdin);
    int n;
    int len = wcslen(wbuff);
    for(n=0;n<len;n++)
        if(wbuff[n] == CAPITAL_ACCUTE_E)
            wbuff[n] = L'E';
    wprintf(L"%ls\n", wbuff);
    return 0;
}

Answer 1

您忽略的一个问题是É可以表示为

• É - LATIN CAPITAL LETTER E WITH ACUTE，代码点U + 00C9（UTF-8中为c3 89）或
• É - LATIN CAPITAL LETTER E后跟COMBINING ACUTE ACCENT，代码点U + 0045 U + 0301（UTF-8中为45 cc 81）

您需要考虑到这一点。这可以通过将两个字符串映射到NFD (Normal Form: Decomposed)来完成。之后，您可以删除已分解的组合字符，并保留E，然后您可以照常strcmp。

假设您有一个UTF-8编码的input，您可以使用utf8proc执行此操作：

#include <utf8proc.h>

utf8_t *output;
ssize_t len = utf8proc_map((uint8_t*)input, 0, &output, 
                           UTF8PROC_NULLTERM | UTF8PROC_STABLE |
                           UTF8PROC_STRIPMARK | UTF8PROC_DECOMPOSE |
                           UTF8PROC_CASEFOLD
                          );

这会将所有É，É和E变为普通e。