- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
作为字符分类的标准函数,来自 <cctype>
和 <locale>
不能像 UTF-8 这样的多字节字符编码,因此必须求助于其他实现。一个合适的库可能是 Boost.Locale(可能以 ICU 作为其后端)。不幸的是,我找不到如何通过代码点或字形迭代 UTF-8 编码的字符串代码点并将其分类为例如大小写、空格等
有过类似的问题没有满意的答案:
但是,正如其他答案所建议的那样,ICU 中有低级功能:
Q1:考虑到迭代 UTF-8 编码字符串并将每个字符分类为大写或小写或空格的简单任务。如何使用 Boost.Locale 在 C++ 中实现它?
Q2:如果 Boost.Locale 做不到但 ICU 可以。如何使用 Boost.Locale 获得合适的值以传递给 ICU 的分类函数? ICU 通常取一个 int32_t。如何通过 Boost.Locale 从 UTF-8 字符串中获取它?
Q3:Boost.Locale 对UTF-8 字符串进行操作的函数通常也将语言环境作为参数。如果我不知道字符串包含哪种语言,如何传递该参数?例如。字符串可以包含独立于语言环境的英文或中文文本。 UTF-8 不定义类似 WSpace
的属性吗?独立于任何语言环境?那么,只要是 UTF-8 语言环境,我提供的语言环境有什么关系吗?
目标平台是 Windows。编译器是 Visual Studio 2015。
最佳答案
Locale 包含很多本地化的东西,不仅仅是编码,例如:数据/时间格式、数字表示。
A1。为什么语言环境要提供字符分类?你能把中国包机/日本包机分类吗?
A2。不确定你在问什么,你可以直接调用 ICU。
A3。 UTF-8 是一种编码,而不是语言环境。有专门的语言环境,如 en_US.UTF-8、zh_CN.UTF-8 等。所有这些语言环境都使用 UTF-8 对字符进行编码。您不需要知道字符串区域设置,UTF-8 能够对所有 unicode 字符进行编码。 Unicode 应用程序能够显示所有 unicode 字形,无论是中文、日文还是泰文。
顺便说一句,boost 正则表达式提供了一个 utf8 字形迭代器 http://www.boost.org/doc/libs/1_66_0/libs/regex/doc/html/boost_regex/ref/internals/uni_iter.html
并且,确保始终使用 Unicode 字符串,使用 Unicode API 并避免使用 Windows MBCS 编码。
关于c++ - 使用 boost::locale 进行 Unicode 字符分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48207864/
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 要求提供代码的问题必须表现出对所解决问题的最低限度理解。包括尝试过的解决方案、为什么它们不起作用,以及预
为什么在 C# 中添加两个 char 结果是 int 类型? 例如,当我这样做时: var pr = 'R' + 'G' + 'B' + 'Y' + 'P'; pr 变量变为 int 类型。我希望它是
下面的代码可以编译,但 char 类型的行为与 int 类型的行为不同。 特别是 cout ::ikIsX >() ::ikIsX >() ::ikIsX >() using names
我正在寻找一个正则表达式,它可以匹配长度为 1 个或多个字符但不匹配 500 的内容。这将在 Rails 路由文件中使用,特别是用于处理异常。 路线.rb match '/500', to: 'err
对于 C 编程作业,我正在尝试编写几个头文件来检查所谓的“X 编程语言”的语法。我最近才开始,正在编写第一个头文件。这是我编写的代码: #ifndef _DeclarationsChecker_h_
为什么扩展的 ascii 字符(â、é 等)被替换为 字符? 我附上了一张图片...但我正在使用 PHP 从 MySQL 中提取数据,其中一些位置有扩展字符...我使用的是 Arial 字体。 您可以
我有一个与 R 中的断线相关的简单问题。 我正在尝试粘贴,但在获取(字符/数字)之间的断线时遇到问题。请注意,这些值包含在向量中(V1=81,V2=55,V3=25)我已经尝试过这段代码: cat(p
如何将 ANSI 字符 (char) 转换为 Unicode 字符 (wchar_t),反之亦然? 是否有用于此目的的任何跨平台源代码? 最佳答案 是的,在 中你有mbstowcs()和 wcsto
函数 fromCharCode 不适用于国际 ANSI 字符。例如,对于 ID 为 192 到 223 的俄语 ANSI (cp-1251) 字符,它返回特殊字符。如何解决这个问题? 我认为,需要将A
如果不喜欢,我想隐藏 id,但不起作用 SELECT * FROM character, character_actor WHERE character.id NOT LIKE character_a
现在这个程序成功地反转了键盘输入的单词。但是我想在我反转它之前“保存”指针中的单词,所以我可以比较两者,反转的和“原始的”,并检查它们是否是回文。我还没有太多经验,可能会出现比我知道的更多的错误,但我
Memcpy 和 memcmp 函数可以接受指针变量吗? char *p; char* q; memcpy(p,q,10); //will this work? memcmp(p,q,10); //w
恐怕我对一个相当过饱和的主题的细节有疑问,我搜索了很多,但找不到一个明确的答案来解决这个特定的明显-imho-重要的问题: 使用UTF-8将byte[]转换为String时,每个字节(8bit)都变成
我有一个奇怪的问题。我需要从 stat 命令打印输出字符串。 我已经编写了获取一些信息的代码。 import glob import os for file in glob.glob('system1
我正在使用 Java 并具有其值如下所示的字符串, String data = "vale-cx"; data = data.replaceAll("\\-", "\\-\\"); 我正在替换其中的“
String urlParameters = "login=test&password=te&ff"; 我有一个String urlParams,& - 是密码的一部分,如何使其转义,从而不被识别为分
大家好,我只想从此字符串中提取第一个字母: String str = "使 徒 行 傳 16:31 ERV-ZH"; 我只想获取这些字符: 使 徒 行 傳 并且不包括 ERV-ZH 仅数
这个问题已经有答案了: Crash or "segmentation fault" when data is copied/scanned/read to an uninitialized point
所以, 我有一个字符**;它本质上是一个句子,带有指向该句子中每个单词的指针;即 'h''i''\0''w''o''r''l''d''\0''y''a''y''!''\0' 在这种情况下,我希望使用可
这个问题在这里已经有了答案: Using quotation marks inside quotation marks (12 个答案) 关闭 7 年前。 如何打印 " 字符? 我知道打印 % 符号
我是一名优秀的程序员,十分优秀!