C - 如何避免变音符号/口音敏感问题

Question

我正在创建一个猜测国家首都的小程序。一些大写字母带有重音符、变音符号等。

由于我必须比较大写字母和用户猜测的文本，而且我不希望口音搞乱比较，所以我在互联网上搜索了一些方法来实现这一点。

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。

他们中没有一个真正和我一起工作过。虽然，我得出结论，我必须使用 wchar.h 库来处理那些烦人的字符

我编写了这一小段代码(将 É 替换为 E)只是为了检查此方法，根据我阅读和理解的所有内容，它不起作用，即使打印宽字符字符串也不会显示变音符号。如果它有效，我相信我可以在首都的计划中实现它，所以如果有人能告诉我哪里出了问题，我将不胜感激。

#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 中的 c3 89)，或
• É - LATIN CAPITAL LETTER E其次是 COMBINING ACUTE ACCENT , 代码点 U+0045 U+0301 (45 cc 81 in UTF-8)

你需要考虑到这一点。这可以通过将两个字符串映射到 NFD (Normal Form: Decomposed) 来完成。 .之后，您可以剥离分解的组合字符并留下E，然后您可以像往常一样strcmp。

假设您有一个 UTF-8 编码的 input，下面是您如何使用 utf8proc 来完成它:

#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 变成普通的 e。