C++ 降低特殊字符，例如 ü

Question

我无法使用 C++ 中的 tolower() 函数将字符串转换为小写。使用普通字符串，它可以按预期工作，但是特殊字符无法成功转换。

我如何使用我的功能：

string NotLowerCase = "Grüßen";
string LowerCase = "";
for (unsigned int i = 0; i < NotLowerCase.length(); i++) {
    LowerCase += tolower(NotLowerCase[i]);
    }

例如：

1. 测试 -> 测试
2. TeST2 -> 测试2
3. Grüßen -> gr????en
4. (§) -> ()

如您所见，3 和 4 没有按预期工作

我该如何解决这个问题？我必须保留特殊字符，但要小写。

Answer 1

tolower 的示例代码（如下）显示了您如何解决此问题；你必须使用默认的“C”语言环境以外的东西。

#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';
}

您还可以将 std::string 更改为 std::wstring，这是许多 C++ 实现中的 Unicode。

wstring NotLowerCase = L"Grüßen";
wstring LowerCase;
for (auto&& ch : NotLowerCase) {
    LowerCase += towlower(ch);
    }

Microsoft 的指导是“Normalize strings to uppercase”，因此您可以改用toupper 或towupper。

请记住，逐个字符的转换可能不适用于某些语言。例如，使用德国所说的德语，将 Grüßen 全部大写将其变为 GRÜESSEN（尽管现在有 capital ẞ）。还有许多其他“问题”，例如组合字符；如果您正在使用字符串进行真正的“生产”工作，那么您真的需要一种完全不同的方法。

最后，C++ 对管理语言环境提供了更复杂的支持，详情请参阅<locale>。

Answer 2

我认为最便携的方法是使用用户选择的语言环境，这是通过将语言环境设置为""（空字符串）来实现的。

std::locale::global(std::locale("")); 

这会将语言环境设置为程序运行时使用的任何内容，并影响在多字节和宽字符串字符之间转换的标准字符转换例程（std::mbsrtowcs 和std::wcsrtombs）。

然后您可以使用这些函数将系统/用户选择的多字节字符（例如UTF-8）转换为系统标准宽字符代码，这些代码可用于std::tolower等对一个字符进行操作的函数中一次。

这很重要，因为像 UTF-8 这样的多字节字符集不能使用像 std::tolower() 这样的单字符操作来转换。

一旦您将宽字符串版本转换为大写/小写，就可以将其转换回系统/用户多字节字符集以打印到控制台。

// Convert from multi-byte codes to wide string codes
std::wstring mb_to_ws(std::string const& mb)
{
    std::wstring ws;
    std::mbstate_t ps{};
    char const* src = mb.data();

    std::size_t len = 1 + mbsrtowcs(0, &src, 3, &ps);

    ws.resize(len);
    src = mb.data();

    mbsrtowcs(&ws[0], &src, ws.size(), &ps);

    if(src)
        throw std::runtime_error("invalid multibyte character after: '"
            + std::string(mb.data(), src) + "'");

    ws.pop_back();

    return ws;
}

// Convert from wide string codes to multi-byte codes
std::string ws_to_mb(std::wstring const& ws)
{
    std::string mb;
    std::mbstate_t ps{};
    wchar_t const* src = ws.data();

    std::size_t len = 1 + wcsrtombs(0, &src, 0, &ps);

    mb.resize(len);
    src = ws.data();

    wcsrtombs(&mb[0], &src, mb.size(), &ps);

    if(src)
        throw std::runtime_error("invalid wide character");

    mb.pop_back();

    return mb;
}

int main()
{
    // set locale to the one chosen by the user
    // (or the one set by the system default)
    std::locale::global(std::locale(""));

    try
    {
        string NotLowerCase = "Grüßen";

        std::cout << NotLowerCase << '\n';

        // convert system/user multibyte character codes
        // to wide string versions
        std::wstring ws1 = mb_to_ws(NotLowerCase);
        std::wstring ws2;

        for(unsigned int i = 0; i < ws1.length(); i++) {
            // use the system/user locale
            ws2 += std::tolower(ws1[i], std::locale("")); 
        }

        // convert wide string character codes back
        // to system/user multibyte versions
        string LowerCase = ws_to_mb(ws2);

        std::cout << LowerCase << '\n';
    }
    catch(std::exception const& e)
    {
        std::cerr << e.what() << '\n';
        return EXIT_FAILURE;
    }
    catch(...)
    {
        std::cerr << "Unknown exception." << '\n';
        return EXIT_FAILURE;
    }

    return EXIT_SUCCESS;
}

代码没有经过大量测试

Answer 3

使用 ASCII

string NotLowerCase = "Grüßen";
string LowerCase = "";
for (unsigned int i = 0; i < NotLowerCase.length(); i++) {
    if(NotLowerCase[i]<65||NotLowerCase[i]>122)
    {
        LowerCase+='?';
    }
    else
        LowerCase += tolower(NotLowerCase[i]);
}