Unicode 字符的小写

Posted 2023-02-14

【中文标题】Unicode 字符的小写

【英文标题】：Lowercase of Unicode character

【发布时间】：2016-03-29 18:04:06

【问题描述】：

我正在处理一个需要从unicode text 获取数据的C++ 项目。 我有一个问题，我不能降低一些unicode character。 我使用 wchar_t 存储从 unicode 文件读取的 unicode 字符。之后，我使用_wcslwr 降低wchar_t 字符串。还有很多情况还是不低如：

Đ Â Ă Ê Ô Ơ Ư Ấ Ắ Ế Ố Ớ Ứ Ầ Ằ Ề Ồ Ờ Ừ Ậ Ặ Ệ Ộ Ợ Ự

哪个小写是：

đ â ă ê ô ơ ư ấ ắ ế ố ớ ứ ầ ằ ề ồ ờ ừ ậ ặ ệ ộ ợ ự 

我尝试了tolower，但还是不行。

【问题讨论】：

欢迎堆栈溢出！！

标准库无法正确执行此操作，您需要一个像样的库。还要处理更棘手的极端情况，例如ß 的小写是ss，从一个字符到两个字符。 ICU 库在 C++ 领域非常流行。

如果你需要转换成lower的字符数很少，你可以定义自己的映射数组，而不是使用库。

【参考方案1】：

如果您只调用tolower，它将从标题clocale 调用std::tolower，这将调用tolower 仅用于ansi 字符。

正确的签名应该是：

template< class charT >
charT tolower( charT ch, const locale& loc );

下面是两个运行良好的版本：

#include <iostream>
#include <cwctype>
#include <clocale>
#include <algorithm>
#include <locale>

int main() 
    std::setlocale(LC_ALL, "");
    std::wstring data = L"Đ Â Ă Ê Ô Ơ Ư Ấ Ắ Ế Ố Ớ Ứ Ầ Ằ Ề Ồ Ờ Ừ Ậ Ặ Ệ Ộ Ợ Ự";
    std::wcout << data << std::endl;

    // C std::towlower
    for(auto c: data)
    
        std::wcout << static_cast<wchar_t>(std::towlower(c));
    
    std::wcout << std::endl;

    // C++ std::tolower(charT, std::locale)
    std::locale loc("");
    for(auto c: data)
    
        // This is recommended
        std::wcout << std::tolower(c, loc);
    
    std::wcout << std::endl;
    return 0;

参考：

towlower

tolower

【讨论】：

这对我很有帮助。非常感谢。