如何在Unicode字符串中查找不能成为单词一部分的字符？

Question

我在字符串中有一些文本，我需要检查该特定字符串是否包含任何不允许创建单词的字符。

假设我有“（hello}”

之类的文字

这里它包含符号'（'和'}'。我怎么能用C ++做呢。字符串可能包含任何unicode字符。

Answer 1

如果字符串确实包含Unicode（UTF-8），那么问题就在于此 非平凡;你可能想要使用一些外部库，比如 ICU。或者您可以转换为wchar_t（wstring），然后使用单曲 下面的字节编码解决方案：

如果字符是单字节编码，则std::find_if使用 合适的谓词应该做到这一点。如果你正在做任何文字 解析时，你需要定义一组这样的谓词，一次和for 所有;谓词可以使用std::ctype方面的函数 locale，或wctype.h中的'\''（使用全局区域设置）。

但是，如果你正在处理Unicode，甚至转换为宽 字符可能不够，因为完整的Unicode仍然可以使用多个 一个代码点代表一个字符。真正的问题是 你想要做多严肃（请注意，在许多语言中， 像英语或法语，“单词”可以包含Unicode的字符 考虑标点符号，例如“不要”或“aujourd'hui” - Unicode 表格会告诉您{{1}}是标点符号，而不是单词的一部分。）

Answer 2

std::isalpha（以及相关的is*朋友）会对字符类型进行模板化，并接受语言环境以提供更好的本地化能力。我只是迭代string或wstring并使用is*函数来指示您感兴趣的行为（我不知道您想要允许哪些字符并且不接受问题陈述。）

Answer 3

使用std::wstring和std::iswalpha()。