Question

我需要在C中快速过滤来自UTF-8字符串的标点符号。字符串可能很长而且数量很多。我目前使用的功能效率非常低：

char *filter(char *mystring){
    char *p;
    while ((p = strchr(mystring,'.')) != NULL)
        strcpy(p, p+1);
    while ((p = strchr(mystring,',')) != NULL)
        ...etc etc etc...
    ...etc...
    return mystring;
}

正如您所看到的，它会遍历每个标点符号的字符串。是否有一个简单的库函数可以有效地完成所有标点符号？

Answer 1

更有效的算法是：

#include <ctype.h>

char *filter(char *mystring)
{
    char *in = mystring;
    char *out = mystring;

    do {
        if (!ispunct(*in))
            *out++ = *in;
    } while (*in++);

    return mystring;
}

虽然它不是特定于UTF-8的 - 它是当前的语言环境。（您的原件也不是特定于UTF-8的。）

如果你想把它设为UTF-8，你可以用一个ispunct()的函数替换char *，并确定它是否以一个（可能是多字节的）UTF-8字符开头这是某种标点符号（并使用in而非*in调用）。

Answer 2

ICU库具有C绑定，并包含正确处理Unicode \pP标点符号的正则表达式库。

在C中过滤标点符号的最快方法

2 个答案: