Question

我的程序任务是删除和字符＆lt; 32和＆gt; 127 ascii值，但输出显示我2个空格。示例：

输入：préféré

预期产出：pr f r

我的输出：pr（2个空格）f（2个空格）r（2个空格）

#include<stdio.h>
#include<string.h>
int main() {
  unsigned char str[100];
  unsigned char space = ' ';
  fgets(str,100,stdin);
  int i=0;
  int length = strlen(str);
  while(i<length)
  {
    if( ((int)str[i]>32) && ((int)str[i]<127) )
    {
      i++;
      continue;
    }
    else
    {
        str[i]=space;
    }
    i++;
  }
  printf("%s\n",str);
}

Answer 1

可能是因为像é（非ASCII）这样的字符占用了2个字节。因此，对于每个é，您的循环运行两次，因此放置2个空格代替é。

在相关说明中，使用isascii()中的<ctype.h>来测试ASCII字符。

Answer 2

如果您想以便携式，区域设置感知的方式解决这个看似简单的问题会变得非常复杂。另一方面，如果已知原始文本以UTF-8编码，则解决方案非常简单，特别是如果您不需要检测无效的UTF-8序列。

UTF-8编码中可能的字节值分为四组：

单字节US-ASCII字符：字节值0x00到0x7F，包括端点。
多字节字符中的第一个字节：值0xC2到0xF4（含）。
多字节字符的尾随字节：值0x80到0xBF，包括端值。
不能出现在任何UTF-8代码中的字节：其他所有内容（0xC0,0xC1和0xF5及更高版本）。

因此，每个字符在前两组值中只包含一个字节。所以一个简单的策略就是删除后两组中的字节：

unsigned char* out = str;
for (unsigned char* scan = str; *scan; ++scan) {
  if (*scan >= 0x20 && *scan < 0x7F) {
    // Pass through printable ascii characters
    *out++ = *scan;
  }
  else if (*scan < 0x80 || (*scan >= 0xC2 && *scan <= 0xF4)) {
    // Replace non-printable ascii characters and lead UTF-8 bytes with space
    *out++ = ' ';
  }
  // Anything else is ignored and will be overwritten.
}
*out = 0;

我从这个答案中删除了所谓的符合标准的可移植代码，因为它太复杂了，并且生成的代码不太可能适用。通常，不保证对实用程序的输入符合当前语言环境的多字节编码：例如，至少可以想象输入是wchar的向量（例如，以UTF编码的文件）在具有32位wchar的系统上32。或者输入确实是UTF-8，但当前的语言环境是ISO-8859-7，这是一个单字节编码。没有通用的便携方式将wchar（或多字节序列）转换为“Ascii”，以便测试给定字符是否是代码范围0x20到0x7F中的ASCII可打印字符之一。（如果这一段似乎是难以理解的术语，那将有助于解释为什么编写和记录便携式解决方案很困难。）

为什么我的程序用2个空格替换字符？

2 个答案: