std::wstring大小写不敏感比较方案
meta
std::wstring commandName = getXXX();
std::transform(commandName.begin(), commandName.end(), commandName.begin(), tolower);
if (commandName == “_xyz”)
do_something
有更好的做法吗?
jinhu wang
要是图效率的话的，可以通过查表法比较。查表法的逻辑相对也简单的多。上周五看sqlite的代码看到的，呵呵
meta
meta
meta
Milo Yip
wstring 在 C++ standard 裡 *不是* UTF-16 的。
w = wide, 只是相對於 narrow。
但一般用法是用來放 UTF-16，其實也可以放其他 encoding 的。
--
Milo Yip
Twitter @miloyip
http://www.cnblogs.com/miloyip/
http://miloyip.seezone.net/
meta
Milo Yip
最麻煩是考慮到 locale 的問題。不同 locale 的大小寫定義是不同的。
jinhu wang
** Some systems have stricmp(). Others have strcasecmp(). Because
** there is no consistency, we will define our own.
*/
Milo Yip
我覺得"不分大小寫"比較好。
XiongJia Le
比如： NTFS 文件系统文件名是 不分大小写的。但是真没测过针对不同的 Local 会不会不分大小写？
jinhu wang
sagasw
另外，如果你使用Visual studio 2008 或者更高版本的VS，可以参考MFC中CString的实现。
（当然，实际上也就是调用了_mbsicmp这个微软特定CRT函数）。
说句题外话，我如果有类似的问题，一定要先拜读神书，然后在想自己的解决方案，不造轮子。
------------------------------------
C++, Lua, living in Dalian
http://sunxiunan.com/
http://twitter.com/sagasw
------------------------------------
jinhu wang
- 在不知道有这样一个轮子存在的情况下，发明轮子
- 自己不喜欢已有的轮子的时候，发明轮子
Ian Yang
template<typename _CharT>
_CharT
toupper(_CharT, const locale&);
需要第二个参数可以通过包装类绑定一个
On Mar 1, 12:58 pm, jinhu wang <wangjinhu...@gmail.com> wrote:
> 哈哈，这里列出了两个重造轮子的场景：
>
> - 在不知道有这样一个轮子存在的情况下，发明轮子
> - 自己不喜欢已有的轮子的时候，发明轮子
>
> 在 2010年3月1日 下午12:53，sagasw <sag...@gmail.com>写道：
>
> > c++必备神书《c++标准程序库》里面介绍了一种大小无关的字符串比较，我想wstring也是一样的。
>
> > 另外，如果你使用Visual studio 2008 或者更高版本的VS，可以参考MFC中CString的实现。
> > （当然，实际上也就是调用了_mbsicmp这个微软特定CRT函数）。
>
> > 说句题外话，我如果有类似的问题，一定要先拜读神书，然后在想自己的解决方案，不造轮子。
>
> > ------------------------------------
> > C++, Lua, living in Dalian
> >http://sunxiunan.com/
> >http://twitter.com/sagasw
> > ------------------------------------
>
meta
|
/* An array to map all upper-case characters into their corresponding ** lower-case character. */ const unsigned char sqlite3UpperToLower[] = { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 97, 98, 99,100,101,102,103, 104,105,106,107,108,109,110,111,112,113,114,115,116,117,118,119,120,121, 122, 91, 92, 93, 94, 95, 96, 97, 98, 99,100,101,102,103,104,105,106,107, 108,109,110,111,112,113,114,115,116,117,118,119,120,121,122,123,124,125, 126,127,128,129,130,131,132,133,134,135,136,137,138,139,140,141,142,143, 144,145,146,147,148,149,150,151,152,153,154,155,156,157,158,159,160,161, 162,163,164,165,166,167,168,169,170,171,172,173,174,175,176,177,178,179, 180,181,182,183,184,185,186,187,188,189,190,191,192,193,194,195,196,197, 198,199,200,201,202,203,204,205,206,207,208,209,210,211,212,213,214,215, 216,217,218,219,220,221,222,223,224,225,226,227,228,229,230,231,232,233, 234,235,236,237,238,239,240,241,242,243,244,245,246,247,248,249,250,251, 252,253,254,255 }; #define UpperToLower sqlite3UpperToLower |
|
/* ** Some systems have stricmp(). Others have strcasecmp(). Because ** there is no consistency, we will define our own. */ |
int sqlite3StrICmp(const char *zLeft, const char *zRight){ register unsigned char *a, *b; a = (unsigned char *)zLeft; b = (unsigned char *)zRight; while( *a!=0 && UpperToLower[*a]==UpperToLower[*b]){ a++; b++; } return UpperToLower[*a] - UpperToLower[*b]; } int sqlite3StrNICmp(const char *zLeft, const char *zRight, int N){ register unsigned char *a, *b; a = (unsigned char *)zLeft; b = (unsigned char *)zRight; while( N-- > 0 && *a!=0 && UpperToLower[*a]==UpperToLower[*b]){ a++; b++; } return N<0 ? 0 : UpperToLower[*a] - UpperToLower[*b]; }
|
meta
XIN, Wang
如果使用的不是 Unicode 编码，可能就要重新发明轮子了，当然也可以试试 ICU。
sagasw
能否具体说一下问题原因以及什么操作系统可能要重新发明？
------------------------------------
C++, Lua, living in Dalian
http://sunxiunan.com/
http://twitter.com/sagasw
------------------------------------
XIN, Wang
archerzz
不同。说再通俗一点，是一块连续内存，里面的具体data怎么解释看你程序怎么写。当然，一般情况下，wstring多是UTF-8编码的
unicode字符，否则处理起来要发疯的......
字符处理，涉及了char set和encoding两个重要部分。具体定义请看wikipedia，我就不班门弄斧了。通俗讲，char set定义
了我可以处理的字符的集合，每一个字符有一个code point，可以理解成一个唯一的整型id。然后我怎么serialize和
deserialize字符呢，就靠encoding，它定义了物理存储形式。我们通常所说的UTF-8，其实是指我们的char set是
unicode，encoding是UTF-8。随便弄个示意图：
char set encoding
char 《======》 code point 《=======》 memory value
理论上讲，你可以使用任意char set和encoding的组合。当然实际没特殊情况，还是老老实实用unicode+UTF-8之类流行组合
的。
在有些情况下，可能是需要你自己发明的轮子的。比如unicode里面不一定包含了所有中文字符（所以给小孩子起名字别太怪）。那天朝GOV怎么办，就
有一系列GB规范出来。GB系列规范，我粗看一下，好像是char set和encoding的合体。所以如果你做的应用有这种特殊的字符集要求，要特
别小心。
尽管如此，还是不建议自己写，一不小心，就容易出bug，而且还不容易fix。所以现在做globalization的话，一定要弄清楚char
set和encoding，大家都统一。如果真要处理怪字符集，可以看看ICU。我记得ICU有自己实现的string，应该对于不同char set
和encoding的处理比较友好吧。
以上内容仅凭记忆，以前听过专家关于globalization的讲座，应该有一些错误。还请达人出来指正。
On Mar 1, 2:54 pm, sagasw <sag...@gmail.com> wrote:
> 对于："如果使用的不是 Unicode 编码，可能就要重新发明轮子了"
>
> 能否具体说一下问题原因以及什么操作系统可能要重新发明？
>
> ------------------------------------
> C++, Lua, living in Dalianhttp://sunxiunan.com/http://twitter.com/sagasw
> ------------------------------------
>
> 2010/3/1 XIN, Wang <xera...@gmail.com>
>
> > 首先确定你的wstring存储的是否是 UTF-16, 如果记得没错 GCC 的 wchar_t 是 32 位的，存储的是 UTF-32。总之先要确定
> > ToUpper/ToLower 的实现是正确的。
>
> > 如果使用的不是 Unicode 编码，可能就要重新发明轮子了，当然也可以试试 ICU。
>
> > 2010/3/1 meta <carmack....@gmail.com>
>
> > 还有就是应用场景的特殊性, 弄个简单的轮子也花不了多久.
>
> >> 2010/3/1 jinhu wang <wangjinhu...@gmail.com>
>
> >>> 哈哈，这里列出了两个重造轮子的场景：
>
> >>> - 在不知道有这样一个轮子存在的情况下，发明轮子
> >>> - 自己不喜欢已有的轮子的时候，发明轮子
>
> >>> 在 2010年3月1日 下午12:53，sagasw <sag...@gmail.com>写道：
>
> >>> c++必备神书《c++标准程序库》里面介绍了一种大小无关的字符串比较，我想wstring也是一样的。
>
> >>>> 另外，如果你使用Visual studio 2008 或者更高版本的VS，可以参考MFC中CString的实现。
> >>>> （当然，实际上也就是调用了_mbsicmp这个微软特定CRT函数）。
>
> >>>> 说句题外话，我如果有类似的问题，一定要先拜读神书，然后在想自己的解决方案，不造轮子。
>
> >>>> ------------------------------------
> >>>> C++, Lua, living in Dalian
> >>>>http://sunxiunan.com/
> >>>>http://twitter.com/sagasw
> >>>> ------------------------------------
>
XIN, Wang
"The width of
wchar_t is compiler-specific and can be as
small as 8 bits. Consequently, programs that need to be portable across
any C or C++ compiler should not use wchar_t for storing
Unicode text. The wchar_t type is intended for storing
compiler-defined wide characters, which may be Unicode characters in
some compilers."一般来说在 Windows 上 wchar_t 是 16 位的 UTF-16 编码，在 Unix 上是 32 位的 UTF-32 编码。
meta
|
// Type detection for wchar_t. #if defined(OS_WIN) #define WCHAR_T_IS_UTF16 #elif defined(OS_POSIX) && defined(COMPILER_GCC) && \ defined(__WCHAR_MAX__) && \ (__WCHAR_MAX__ == 0x7fffffff || __WCHAR_MAX__ == 0xffffffff) #define WCHAR_T_IS_UTF32 #elif defined(OS_POSIX) && defined(COMPILER_GCC) && \ defined(__WCHAR_MAX__) && \ (__WCHAR_MAX__ == 0x7fff || __WCHAR_MAX__ == 0xffff) // On Posix, we'll detect short wchar_t, but projects aren't guaranteed to // compile in this mode (in particular, Chrome doesn't). This is intended for // other projects using base who manage their own dependencies and make sure // short wchar works for them. #define WCHAR_T_IS_UTF16 #else #error Please add support for your compiler in build/build_config.h #endif |
Yongwei Wu
if (_wcsicmp(commandName, L"_xyz") == 0)
就行了。其它平台可能提供类似的wcsncasecmp函数。
无论什么平台，使用"=="都是错的（那是指针比较）！！！
--
Wu Yongwei
URL: http://wyw.dcweb.cn/
meta
Yongwei Wu
2010/3/1 meta <carma...@gmail.com>:
Yongwei Wu
> 如果Windows的话，直接调
>
> if (_wcsicmp(commandName, L"_xyz") == 0)
应当是commandName.c_str()。
> 就行了。其它平台可能提供类似的wcsncasecmp函数。
应当是wcscasecmp，没有n。有n的对应于strncmp/_strnicmp。
jiyong wu
XIN, Wang
meta
Megahertz
不过 "使用"=="都是错的（那是指针比较）"，不会是c用多了吧
On Mar 1, 8:16 pm, Yongwei Wu <wuyong...@gmail.com> wrote:
> 如果Windows的话，直接调
>
> if (_wcsicmp(commandName, L"_xyz") == 0)
>
> 就行了。其它平台可能提供类似的wcsncasecmp函数。
>
> 无论什么平台，使用"=="都是错的（那是指针比较）！！！
>
> On 1 March 2010 11:09, meta <carmack....@gmail.com> wrote:
>
>
>
> > if (commandName == "_xyz") should be:
> > if (commandName == L"_xyz")
> > 2010/3/1 meta <carmack....@gmail.com>
>
> >> if (commandName == "_xyz") should be:
> >> if (commandName == "_xyz")
>
> >> 2010/3/1 meta <carmack....@gmail.com>
