c++ - 扩展 'isalnum' 以识别 UTF-8 元音变音

Question

我写了一个扩展 isalnum 的函数来识别 UTF-8 编码的变音符号。

是否有更优雅的方法来解决这个问题？

代码如下:

bool isalnumlaut(const char character) {
    int cr = (int) (unsigned char) character;
    if (isalnum(character)
            || cr == 195 // UTF-8
            || cr == 132 // Ä
            || cr == 164 // ä
            || cr == 150 // Ö
            || cr == 182 // ö
            || cr == 156 // Ü
            || cr == 188 // ü
            || cr == 159 // ß
    ) {
        return true;
    } else {
        return false;
    }
}

编辑:

我现在多次测试我的解决方案，但它似乎可以满足我的目的。有强烈的反对意见吗？

Answer 1

您的代码与您声称的不符。

Ä 的 utf-8 表示是两个字节 - 0xC3,0x84。值高于 0x7F 的单独字节在 utf-8 中没有意义。

---

一些一般性建议:

• Unicode 很大。考虑使用已经处理过您遇到的问题的库，例如 ICU .

• 函数在单个代码单元 或代码点 上运行通常没有意义。拥有对代码点范围或单个字形进行操作的函数更有意义(有关这些术语的定义，请参阅 here)。

• 对于像通用字符集这样大的字符集，您的字母数字概念可能未明确说明；您想将西里尔字母表中的字符视为字母数字吗？ Unicode 关于什么是字母的概念可能与您的不匹配 - 特别是如果您没有考虑过的话。