首页 > 解决方案 > 如何调整 ICU 的 UnicodeString::caseCompare(或获得相同的效果)

问题描述

我不太熟悉大小写折叠/不区分大小写的比较如何工作,以及一般的 ICU。

现在,我们有一些包装各种重载的方法,UnicodeString::caseCompare我想改变它们来做一些稍微不同的事情:我想要 dotted & dotless i 来比较相等(不管大小写)。

我知道 ICU 有一个整理 API,但我不确定如何从与 完全相同的规则开始UnicodeString::caseCompare,然后从那里进行修改。

标签: c++unicodeicu

解决方案


我看不到使用 C++ UnicodeString 类的方法。

您必须从unicode/ustring.h下拉到较低级别的字符串作为 UChars 数组的函数。特别是,u_strCaseCompare()可能是您想要的,或者u_strcasecmp()与 UnicodeString 的getTerminatedBuffer()方法相结合。

U_FOLD_CASE_EXCLUDE_SPECIAL_I该选项的文档:

使用 CaseFolding.txt 中提供的修改后的映射集为突厥语(tr、az)适当地处理带点的 I 和无点的 i。

认为这意味着将它们视为等效。

用实际测试编辑:

#include <stdio.h>
#include <stdlib.h>
#include <unicode/ustring.h>
#include <unicode/stringoptions.h>

void comp(const char *a, const char *b) {
  UChar s1[10], s2[10];
  UErrorCode err = U_ZERO_ERROR;
  int32_t len1, len2;
  u_strFromUTF8(s1, 10, &len1, a, -1, &err);
  u_strFromUTF8(s2, 10, &len2, b, -1, &err);
  printf("%s <=> %s: %d (Without special i) %d (With special i)\n", a, b,
         u_strCaseCompare(s1, len1, s2, len2, 0, &err),
         u_strCaseCompare(s1, len1, s2, len2, U_FOLD_CASE_EXCLUDE_SPECIAL_I, &err));
}

int main(void) {
  const char *lc_dotted_i = "i";
  const char *lc_dotless_i = "\u0131";
  const char *uc_dotless_i = "I";
  const char *uc_dotted_i = "\u0130";

  comp(lc_dotted_i, lc_dotless_i);
  comp(uc_dotted_i, uc_dotless_i);
  comp(lc_dotted_i, uc_dotted_i);
  comp(lc_dotless_i, uc_dotless_i);
  comp(lc_dotted_i, uc_dotless_i);
  comp(lc_dotless_i, uc_dotted_i);
  return 0;
}

结果:

i <=> ı: -200 (Without special i) -200 (With special i)
İ <=> I: 1 (Without special i) -200 (With special i)
i <=> İ: -1 (Without special i) 0 (With special i)
ı <=> I: 200 (Without special i) 0 (With special i)
i <=> I: 0 (Without special i) -200 (With special i)
ı <=> İ: 200 (Without special i) 200 (With special i)

推荐阅读