如何在 C 中跨平台比较单个多字节字符常量？

Question

在my previous post 中，我找到了使用C++ 字符串执行此操作的解决方案，但我想知道在C 中是否也有使用char 的解决方案。

我目前的解决方案使用str.compare() 和size() 的字符串，如my previous post 所示。

现在，由于我在std::string 中只使用一个（多字节）字符，是否可以使用char 来实现相同的效果？

例如if( str[i] == '¶' )?如何使用char's 实现这一目标？

（编辑：如 cmets 中所指出的，在 SO 上为比较运算符创建了一个类型）

Answer 1

如何在 C 中跨平台比较单个多字节字符常量？

您的意思似乎是使用单个多字节字符表示的 整数字符常量。那么，首先要认识到的是，在 C 中，整数字符常量（例如：'c'、'¶'）的类型为 int，而不是 char。 C17 的主要相关部分是第 6.4.4.4/10 段：

整数字符常量的类型为int。包含映射到单字节执行字符的单个字符的整数字符常量的值是被解释为整数的映射字符表示的数值。 包含多个字符（例如，'ab'）的整数字符常量的值，或包含不映射到单字节执行字符的字符或转义序列的值是实现定义的。 如果整数字符常量包含单个字符或转义序列，则其值是将类型为char（其值为单个字符或转义序列的值）的对象转换为类型int 时产生的值。

（已添加重点。）

请注意，“定义的实现”意味着从一开始就限制了可移植性。即使我们排除了定义不正当行为的实现，我们仍然有替代方案，例如

• 实现拒绝包含多字节源字符的整数字符常量；或
• 实现拒绝不映射到单字节执行字符的整数字符常量；或
• 无论字节序列在执行字符集中的重要性如何，实现都会通过按字节标识映射来映射源多字节字符。

这不是一个详尽的清单。

您当然可以相互比较整数字符常量，但如果它们映射到多字节执行字符，那么您无法将它们与单个 chars 进行比较。

由于您的预期应用程序似乎是在 C 字符串中定位单个多字节字符，最自然的做法似乎是使用标准的 strstr() 函数实现您的 C++ 方法的 C 模拟。示例：

    char str[] = "Some string ¶ some text ¶ to see";
    char char_to_compare[] = "¶";
    int char_size = sizeof(char_to_compare) - 1;  // don't count the string terminator

    for (char *location = strstr(str, char_to_compare);
            location;
            location = strstr(location + char_size, char_to_compare)) {
        puts("Found!");
    }

这在很多情况下都是正确的，但仍然对于某些执行字符编码中的某些字符可能是错误的，例如具有多个移位状态的编码。

如果您希望对基本执行字符集之外的字符进行稳健处理，那么建议您控制内存中的编码，并对该编码执行适当的转换、操作和转换。例如，这在很大程度上是 ICU 所做的。

Answer 2

我相信你的意思是这样的：

char a = '¶';
char b = '¶';

if (a == b) /*do something*/;

上面的可能行也可能行不通，如果'¶'的值大于char范围，那么就会溢出，导致a和b存储与 '¶' 不同的值。不管它们持有哪个值，它们实际上可能都具有相同的值。

请记住，char 类型只是一个单字节宽（8 位）整数，因此为了使用多字节字符并避免溢出，您只需使用更宽的整数类型 (short, int,长...）。

short a = '¶';
short b = '¶';

if (a == b) /*do something*/;

根据个人经验，我还注意到，有时您的环境可能会尝试使用与您需要的字符编码不同的字符编码。例如，尝试打印 'á' 字符实际上会产生其他内容。

unsigned char x = 'á';
putchar(x); //actually prints character 'ß' in console.
putchar(160); //will print 'á'.

发生这种情况是因为控制台使用了扩展 ASCII 编码，而我的编码环境实际上使用 Unicode，为 'á' 解析值 225 而不是我想要的值 160。