如何正確地將字符串轉(zhuǎn)換為大寫或小寫？

C語言與CPP編程

微博@量子位
鏈接：https://weibo.com/6105753431/OAKGOdAww
#字符串大小寫轉(zhuǎn)換正確方法#
最近，微軟大神 Raymond Chen 分享了一個在 C++ 編程中常見，但又容易被弄錯的問題：如何正確地將字符串轉(zhuǎn)換為大寫或小寫。
比如，當(dāng)你開發(fā)一個應(yīng)用程序時，需要將字符串轉(zhuǎn)為小寫形式。于是，你寫下了的代碼。

乍看之下，使用 STL 的 std::transform 和 std::tolower 沒什么問題，事實(shí)上卻踩了三個坑：
1、std::tolower 不能直接使用
由于 std::tolower 并不是一個可尋址的函數(shù)，因此不能直接作為函數(shù)指針傳遞給 std::transform，需要改為：

2、字符類型匹配問題
眾所周知，std::tolower 只適用于 unsigned char 范圍內(nèi)的字符，如果字符串中有非 ASCII 字符，比如中文、日文、韓文或特殊符號，以及寬字符字符串 std::wstring，std::tolower 都無法正確處理，甚至可能導(dǎo)致未定義行為。
因此，需要用到 std::towlower 但這仍然有問題，因為它無法正確處理 UTF-16 編碼中的代理對（surrogate pairs），也就是那些需要兩個 wchar_t 來表示的字符。

3、字符長度變化
有些字符在轉(zhuǎn)換大小寫后，長度會發(fā)生變化。舉個例子：
? 德語的特殊字符 “?” （U+00DF），轉(zhuǎn)換成大寫后變成了 “SS”，長度從 1 變成了 2。
? 合字字符，如拉丁小寫連字 “?” （U+FB02），轉(zhuǎn)換成大寫后變成兩個字符 “FL”。
? 在某些語言中，字符轉(zhuǎn)換大小寫后可能會消失或新增。
逐字符轉(zhuǎn)換無法處理上述這些情況，會導(dǎo)致字符串截斷或數(shù)據(jù)損壞。
那么，正確的姿勢是什么？
要正確地進(jìn)行字符串大小寫轉(zhuǎn)換，應(yīng)該使用能夠全面處理 Unicode 的函數(shù)：
1、 Windows 平臺：使用 LCMapStringEx 函數(shù)：

2.、跨平臺解決方案：使用 ICU（International Components for Unicode）庫：

感興趣的小伙伴可以閱讀原帖：https://devblogs.microsoft.com/oldnewthing/20241007-00/?p=110345——EOF——你好，我是飛宇。日常分享C/C++、計算機(jī)學(xué)習(xí)經(jīng)驗、工作體會，歡迎點(diǎn)擊此處查看我以前的學(xué)習(xí)筆記&經(jīng)驗&分享的資源。
我組建了一些社群一起交流，群里有大牛也有小白，如果你有意可以一起進(jìn)群交流。

歡迎你添加我的微信，我拉你進(jìn)技術(shù)交流群。此外，我也會經(jīng)常在微信上分享一些計算機(jī)學(xué)習(xí)經(jīng)驗以及工作體驗，還有一些內(nèi)推機(jī)會。


加個微信，打開另一扇窗
經(jīng)常遇到有讀者后臺私信想要一些編程學(xué)習(xí)資源，這里分享 1T 的編程電子書、C/C++開發(fā)手冊、Github上182K+的架構(gòu)路線圖、LeetCode算法刷題筆記等精品學(xué)習(xí)資料，點(diǎn)擊下方公眾號會回復(fù)"編程"即可免費(fèi)領(lǐng)取~
感謝你的分享，點(diǎn)贊，在看三連