std::tolow 的行为在不同语言环境中有何变化？答案

【问题标题】：How does the behavior of std::tolower change in different locales?std::tolow 的行为在不同语言环境中有何变化？
【发布时间】：2014-08-11 06:02:58
【问题描述】：

根据当前安装的 C 语言环境定义的字符转换规则将给定字符转换为小写。

在默认的“C”语言环境中，以下大写字母 ABCDEFGHIJKLMNOPQRSTUVWXYZ 将替换为相应的小写字母 abcdefghijklmnopqrstuvwxyz。

这种行为在不同的语言环境中会如何变化？

【问题讨论】：

通过转换默认语言环境中不存在的字符？
@juanchopanza 哦...好吧，现在我想起来了。
提示：C 和 C++ 中对语言环境的一般支持在编译器和系统之间是不稳定且不均匀的。此外，大多数解析器都是在“C”语言环境的假设下编写的，如果你使用一个做任何花哨的语言环境，它们就会崩溃。避免它们，它们不值得努力。

标签： c++ locale tolower

【解决方案1】：

实际上，网站上的示例显示了不同：

#include <iostream>
#include <cctype>
#include <clocale>

int main()
{
    unsigned char c = '\xb4'; // the character Ž in ISO-8859-15
                              // but ´ (acute accent) in ISO-8859-1 

    std::setlocale(LC_ALL, "en_US.iso88591");
    std::cout << std::hex << std::showbase;
    std::cout << "in iso8859-1, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
    std::setlocale(LC_ALL, "en_US.iso885915");
    std::cout << "in iso8859-15, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
}

输出：

in iso8859-1, tolower('0xb4') gives 0xb4
in iso8859-15, tolower('0xb4') gives 0xb8

因为 C 语言没有编码的概念，所以 char（因此是 char const*）只是字节。切换语言环境时，您会切换这些字节的解释，例如这里的字节 0xb4 (180) 超出 ASCII 范围 (0-127)，因此其含义会根据语言环境而变化你切换到：

在 ISO-8859-1 中，表示´，因此从上往下移动时不变
在 ISO-8859-15 中，它表示 Ž，因此在从上到下移动时更改为 ž（在此语言环境中为 0xb8）

您会认为在后 Unicode 世界中，这无关紧要，但许多人还没有过渡到 Unicode...

【讨论】：

:sigh: 他们才20年
那么如果你使用的是unicode，有没有更好的函数可以使用？
@anthropomorphic：如果你使用 Unicode，你应该只使用 Unicode 语言环境。
@anthropomorphic：默认语言环境由您的操作系统设置决定（在类 Unix 系统上，通常通过环境变量 LC_ALL）。如果未指定其他内容，则为 C 语言环境。
@anthropomorphic：实际上，Unicode 也带来了一些新的案例。许多语言环境都经过精心设计，以便将一个“字符”（无论是什么意思）编码在一个字节上，这是tolower 所假设的。不幸的是，对于 Unicode，这不再成立，因此 tolower 不适用于 Unicode 字符串，无论特定编码（utf-8、utf-16、utf-32、...）如何

【解决方案2】：

它可能会以两种方式改变：

有些字符不在该集中，也可以在非 C 语言环境中进行翻译。例如，在德语语言环境中，字母“Ä”将转换为“ä”。
即使对于该集中的字符，小写版本也可能不同。例如，在土耳其语言环境中，“I”的小写版本不应为“i”，而应为“ı”，而“i”将生成为“İ”的小写版本。

还要注意，非 ASCII 字符在字符集中的位置可能取决于语言环境，因为语言环境也决定了使用的字符集。但是，即使您只使用 Unicode（例如，只使用 UTF-8 语言环境），您仍然会有上面列出的差异。

【讨论】：