希腊字符转换

Question

我正在尝试通过改变元音的音调来用 c 语言制作一个简单的古希腊语到现代希腊语的转换器。例如，用户键入包含字符的希腊文文本：ῶ（unicode：U+1FF6），因此程序将其转换为：ώ（unicode：U+1F7D）。 c 不支持希腊语，所以我不知道如何使它工作。有任何想法吗？

Answer 1

假设您使用正常的操作系统（意思是，不是 Windows），使用 C99/C11 语言环境和宽字符支持很容易实现。考虑 filter.c：

#include <stdlib.h>
#include <locale.h>
#include <wchar.h>
#include <stdio.h>

wint_t convert(const wint_t  wc)
{
    switch (wc) {
    case L'ῶ': return L'ώ';
    default:   return wc;
    }
}

int main(void)
{
    wint_t  wc;

    if (!setlocale(LC_ALL, "")) {
        fprintf(stderr, "Current locale is unsupported.\n");
        return EXIT_FAILURE;
    }
    if (fwide(stdin, 1) <= 0) {
        fprintf(stderr, "Standard input does not support wide characters.\n");
        return EXIT_FAILURE;
    }
    if (fwide(stdout, 1) <= 0) {
        fprintf(stderr, "Standard output does not support wide characters.\n");
        return EXIT_FAILURE;
    }

    while ((wc = fgetwc(stdin)) != WEOF)
        fputwc(convert(wc), stdout);

    return EXIT_SUCCESS;
}

上述程序读取标准输入，将每个ῶ转换为ώ，并输出结果。

注意宽字符串和字符都有L前缀； L'ῶ' 是一个宽字符常量。如果执行字符集（编译代码的字符集）是 Unicode，则这些仅在 Unicode 中，这取决于您的开发环境。 （幸运的是，在 Windows 之外，UTF-8 现在几乎是一种标准——and that is a good thing——所以像上面这样的代码就可以了。）

在 POSIXy 系统（如 Linux、Android、Mac OS、BSD）上，您可以使用 iconv() 工具将任何输入字符集转换为 Unicode，在此处进行转换，最后再转换回任何输出字符集.不幸的是，该问题未标记为posix，因此不在此特定问题范围内。

上面的例子使用了一个简单的 switch/case 语句。如果有很多替换对，可以使用例如

typedef struct {
    wint_t  from;
    wint_t  to;
} widepair;

static widepair  replace[] = {
    { L'ῶ', L'ώ' },
    /* Others? */
};
#define  NUM_REPLACE  (sizeof replace / sizeof replace[0])

在运行时，对replace[] 进行排序（使用qsort() 和一个比较from 元素的函数），并使用二分搜索快速确定是否要替换宽字符（如果是，替换为哪个宽字符）。因为这是一个 O(log₂N) 操作，其中 N 是对的数量，它利用缓存没问题，甚至是数千个替换这种方式对不是问题。 （当然，您也可以在运行时构建替换数组，甚至通过用户输入或命令行选项。）

对于 Unicode 字符，我们可以使用uint32_t map_to[0x110000]; 将每个代码点直接映射到另一个 Unicode 代码点，但是因为我们不知道宽字符是否是 Unicode，所以我们不能这样做；直到编译时我们才知道宽字符的代码范围。当然，我们也可以进行多阶段编译，测试程序生成如上所示的replace[]数组，并以十进制输出它们的代码；然后进行某种自动分组或聚类，例如位图或哈希表，以“更快”完成。

但是，在实践中，I/O（读取和写入数据）通常比转换本身花费更多的实际时间。即使转化是瓶颈，转化率对大多数人来说也足够了。 （例如，使用 GNU 实用程序编译 C 或 C++ 代码时，预处理器首先在内部将源代码转换为 UTF-8。）

Answer 2

好的，这里有一些快速建议。我不会使用 C because Unicode is not wel supported (yet)。

更好的语言选择是 Python、Java 等，任何具有良好 Unicode 支持的语言。

我会编写一个从标准输入读取并写入标准输出的实用程序。这使得在命令行和脚本中使用起来很容易。

我可能遗漏了一些东西，但它会是这样的（在伪代码中）：

while ((inCharacter = getCharacterFromStandardInput) != EOF
{
    switch (inCharacter)
    {
        case 'ῶ': outCharacter = ώ; break
        ...
    }

    writeCharacterToStandardOutput(outCharacter)
}

您还需要选择和处理格式：UTF-8/16/32。

就是这样。祝你好运！