题
在 C++ 中进行不区分大小写的字符串比较而不将字符串转换为全部大写或全部小写的最佳方法是什么?
请指出这些方法是否支持 Unicode 以及它们的可移植性。
解决方案
Boost 为此提供了一个方便的算法:
#include <boost/algorithm/string.hpp>
// Or, for fewer header dependencies:
//#include <boost/algorithm/string/predicate.hpp>
std::string str1 = "hello, world!";
std::string str2 = "HELLO, WORLD!";
if (boost::iequals(str1, str2))
{
// Strings are identical
}
其他提示
充分利用标准 char_traits
. 。回想一下,一个 std::string
实际上是一个 typedef std::basic_string<char>
, ,或更明确地说, std::basic_string<char, std::char_traits<char> >
. 。这 char_traits
类型描述了角色如何比较、如何复制、如何投射等。您需要做的就是 typedef 一个新字符串 basic_string
, ,并提供您自己的定制 char_traits
不区分大小写进行比较。
struct ci_char_traits : public char_traits<char> {
static bool eq(char c1, char c2) { return toupper(c1) == toupper(c2); }
static bool ne(char c1, char c2) { return toupper(c1) != toupper(c2); }
static bool lt(char c1, char c2) { return toupper(c1) < toupper(c2); }
static int compare(const char* s1, const char* s2, size_t n) {
while( n-- != 0 ) {
if( toupper(*s1) < toupper(*s2) ) return -1;
if( toupper(*s1) > toupper(*s2) ) return 1;
++s1; ++s2;
}
return 0;
}
static const char* find(const char* s, int n, char a) {
while( n-- > 0 && toupper(*s) != toupper(a) ) {
++s;
}
return s;
}
};
typedef std::basic_string<char, ci_char_traits> ci_string;
详细信息在 本周大师第 29 名.
boost 的麻烦在于你必须与 boost 联系并依赖它。在某些情况下并不容易(例如安卓)。
使用 char_traits 意味着 全部 您的比较不区分大小写,这通常不是您想要的。
这应该足够了。它应该是相当有效的。但不处理 unicode 或任何东西。
bool iequals(const string& a, const string& b)
{
unsigned int sz = a.size();
if (b.size() != sz)
return false;
for (unsigned int i = 0; i < sz; ++i)
if (tolower(a[i]) != tolower(b[i]))
return false;
return true;
}
更新:附赠 C++14 版本(#include <algorithm>
):
bool iequals(const string& a, const string& b)
{
return std::equal(a.begin(), a.end(),
b.begin(), b.end(),
[](char a, char b) {
return tolower(a) == tolower(b);
});
}
如果您使用的是 POSIX 系统,则可以使用 strcasecmp. 。不过,此函数不是标准 C 的一部分,也不能在 Windows 上使用。只要语言环境是 POSIX,这将对 8 位字符执行不区分大小写的比较。如果区域设置不是 POSIX,则结果未定义(因此它可能会进行本地化比较,也可能不会)。没有等效的宽字符。
如果做不到这一点,大量历史性的 C 库实现都具有函数 stricmp() 和 strnicmp()。Windows 上的 Visual C++ 通过在它们前面添加下划线来重命名所有这些,因为它们不是 ANSI 标准的一部分,因此在该系统上它们被称为 _stricmp 或 _strnicmp. 。某些库还可能具有宽字符或多字节等效函数(通常命名为,例如wcsicmp、mbcsicmp 等)。
C 和 C++ 都很大程度上不了解国际化问题,因此除了使用第三方库之外没有很好的解决方案。查看 IBM ICU(Unicode 国际组件) 如果您需要一个强大的 C/C++ 库。ICU 适用于 Windows 和 Unix 系统。
您是在谈论不区分大小写的愚蠢比较还是完全规范化的 Unicode 比较?
愚蠢的比较不会找到可能相同但二进制不相等的字符串。
例子:
U212B (ANGSTROM SIGN)
U0041 (LATIN CAPITAL LETTER A) + U030A (COMBINING RING ABOVE)
U00C5 (LATIN CAPITAL LETTER A WITH RING ABOVE).
都是等价的,但它们也有不同的二进制表示形式。
也就是说, 统一码规范化 应该是必读的内容,特别是如果您计划支持韩文、泰语和其他亚洲语言。
此外,IBM 还为最优化的 Unicode 算法申请了专利,并将其公开。他们还维护一个实现: IBM 重症监护病房
boost::iequals 在字符串的情况下与 utf-8 不兼容。您可以使用 提升::语言环境.
comparator<char,collator_base::secondary> cmpr;
cout << (cmpr(str1, str2) ? "str1 < str2" : "str1 >= str2") << endl;
- 主要——忽略重音和字符大小写,仅比较基本字母。例如“facade”和“Façade”是相同的。
- 第二——忽略字符大小写,但考虑重音符号。“facade”和“façade”是不同的,但“Facade”和“façade”是相同的。
- 第三级——同时考虑大小写和重音:“门面”和“门面”是不同的。忽略标点符号。
- 第四元——考虑所有大小写、重音符号和标点符号。这些单词在 Unicode 表示方面必须相同。
- 相同——作为四进制,但也比较代码点。
我对非 unicode 版本的第一个想法是做这样的事情:
bool caseInsensitiveStringCompare(const string& str1, const string& str2) {
if (str1.size() != str2.size()) {
return false;
}
for (string::const_iterator c1 = str1.begin(), c2 = str2.begin(); c1 != str1.end(); ++c1, ++c2) {
if (tolower(*c1) != tolower(*c2)) {
return false;
}
}
return true;
}
您可以使用 strcasecmp
在 Unix 上,或者 stricmp
在 Windows 上。
到目前为止还没有提到的一件事是,如果您在这些方法中使用 stl 字符串,那么首先比较两个字符串的长度很有用,因为您已经可以在字符串类中使用此信息。如果您要比较的两个字符串一开始长度就不一样,这可以防止进行代价高昂的字符串比较。
支持 unicode 的 Visual C++ 字符串函数: http://msdn.microsoft.com/en-us/library/cc194799.aspx
您可能正在寻找的是 _wcsnicmp
我正在尝试从所有帖子中拼凑出一个好的答案,所以请帮我编辑一下:
这是一种执行此操作的方法,虽然它确实转换字符串,并且不是 Unicode 友好的,但它应该是可移植的,这是一个优点:
bool caseInsensitiveStringCompare( const std::string& str1, const std::string& str2 ) {
std::string str1Cpy( str1 );
std::string str2Cpy( str2 );
std::transform( str1Cpy.begin(), str1Cpy.end(), str1Cpy.begin(), ::tolower );
std::transform( str2Cpy.begin(), str2Cpy.end(), str2Cpy.begin(), ::tolower );
return ( str1Cpy == str2Cpy );
}
据我所知,这比 stricmp() 更可移植,因为 stricmp() 实际上不是 std 库的一部分,而仅由大多数编译器供应商实现。
要获得真正的 Unicode 友好实现,您必须走出 std 库。一个好的第三方库是 IBM ICU(Unicode 国际组件)
还 提升::等于 为进行此类比较提供了相当好的实用程序。
这 升压字符串 库有很多用于进行不区分大小写的比较等的算法。
您可以实现自己的,但既然已经完成了,为什么还要麻烦呢?
供参考, strcmp()
和 stricmp()
很容易受到缓冲区溢出的影响,因为它们只会处理直到遇到空终止符。使用起来更安全 _strncmp()
和 _strnicmp()
.
对于我基本的不区分大小写的字符串比较需求,我不想使用外部库,也不想要一个具有与我的所有其他字符串不兼容的不区分大小写特征的单独字符串类。
所以我想出的是这样的:
bool icasecmp(const string& l, const string& r)
{
return l.size() == r.size()
&& equal(l.cbegin(), l.cend(), r.cbegin(),
[](string::value_type l1, string::value_type r1)
{ return toupper(l1) == toupper(r1); });
}
bool icasecmp(const wstring& l, const wstring& r)
{
return l.size() == r.size()
&& equal(l.cbegin(), l.cend(), r.cbegin(),
[](wstring::value_type l1, wstring::value_type r1)
{ return towupper(l1) == towupper(r1); });
}
一个简单的函数,其中一个重载用于 char,另一个重载用于 whar_t。不使用任何非标准的东西,所以在任何平台上都应该没问题。
相等比较不会考虑诸如可变长度编码和 Unicode 规范化之类的问题,但 basic_string 不支持我所知道的这些问题,而且通常不是问题。
如果需要对文本进行更复杂的词典编排操作,那么您只需使用像 Boost 这样的第三方库,这是可以预料的。
std::equal(str1.begin(), str1.end(), str2.begin(), [](auto a, auto b){return std::tolower(a)==std::tolower(b);})
如果您无法使用 boost,则可以在 C++14 中使用上述代码。你必须使用 std::towlower
对于宽字符。
又短又好。没有其他依赖项,除了 扩展 标准 C 库。
strcasecmp(str1.c_str(), str2.c_str()) == 0
回报 真的 如果 str1
和 str2
是平等的。strcasecmp
可能不存在,可能有类似物 stricmp
, strcmpi
, , ETC。
示例代码:
#include <iostream>
#include <string>
#include <string.h> //For strcasecmp(). Also could be found in <mem.h>
using namespace std;
/// Simple wrapper
inline bool str_ignoreCase_cmp(std::string const& s1, std::string const& s2) {
if(s1.length() != s2.length())
return false; // optimization since std::string holds length in variable.
return strcasecmp(s1.c_str(), s2.c_str()) == 0;
}
/// Function object - comparator
struct StringCaseInsensetiveCompare {
bool operator()(std::string const& s1, std::string const& s2) {
if(s1.length() != s2.length())
return false; // optimization since std::string holds length in variable.
return strcasecmp(s1.c_str(), s2.c_str()) == 0;
}
bool operator()(const char *s1, const char * s2){
return strcasecmp(s1,s2)==0;
}
};
/// Convert bool to string
inline char const* bool2str(bool b){ return b?"true":"false"; }
int main()
{
cout<< bool2str(strcasecmp("asd","AsD")==0) <<endl;
cout<< bool2str(strcasecmp(string{"aasd"}.c_str(),string{"AasD"}.c_str())==0) <<endl;
StringCaseInsensetiveCompare cmp;
cout<< bool2str(cmp("A","a")) <<endl;
cout<< bool2str(cmp(string{"Aaaa"},string{"aaaA"})) <<endl;
cout<< bool2str(str_ignoreCase_cmp(string{"Aaaa"},string{"aaaA"})) <<endl;
return 0;
}
输出:
true
true
true
true
true
看 std::lexicographical_compare
:
// lexicographical_compare example
#include <iostream> // std::cout, std::boolalpha
#include <algorithm> // std::lexicographical_compare
#include <cctype> // std::tolower
// a case-insensitive comparison function:
bool mycomp (char c1, char c2) {
return std::tolower(c1)<std::tolower(c2);
}
int main () {
char foo[] = "Apple";
char bar[] = "apartment";
std::cout << std::boolalpha;
std::cout << "Comparing foo and bar lexicographically (foo < bar):\n";
std::cout << "Using default comparison (operator<): ";
std::cout << std::lexicographical_compare(foo, foo + 5, bar, bar + 9);
std::cout << '\n';
std::cout << "Using mycomp as comparison object: ";
std::cout << std::lexicographical_compare(foo, foo + 5, bar, bar + 9, mycomp);
std::cout << '\n';
return 0;
}
假设您正在寻找一种方法而不是一个已经存在的神奇函数,坦率地说没有更好的方法。我们都可以为有限的字符集编写具有巧妙技巧的代码片段,但最终在某个时候您必须转换字符。
这种转换的最佳方法是在比较之前进行。这使您在编码方案方面具有很大的灵活性,而您的实际比较运算符应该不知道这一点。
您当然可以将此转换“隐藏”在您自己的字符串函数或类后面,但您仍然需要在比较之前转换字符串。
我编写了一个不区分大小写的 char_traits 版本,与 std::basic_string 一起使用,以便在使用内置 std::basic_string 成员函数进行比较、搜索等时生成不区分大小写的 std::string 。
换句话说,我想做这样的事情。
std::string a = "Hello, World!";
std::string b = "hello, world!";
assert( a == b );
... std::string 无法处理。这是我的新 char_traits 的用法:
std::istring a = "Hello, World!";
std::istring b = "hello, world!";
assert( a == b );
...这是实现:
/* ---
Case-Insensitive char_traits for std::string's
Use:
To declare a std::string which preserves case but ignores case in comparisons & search,
use the following syntax:
std::basic_string<char, char_traits_nocase<char> > noCaseString;
A typedef is declared below which simplifies this use for chars:
typedef std::basic_string<char, char_traits_nocase<char> > istring;
--- */
template<class C>
struct char_traits_nocase : public std::char_traits<C>
{
static bool eq( const C& c1, const C& c2 )
{
return ::toupper(c1) == ::toupper(c2);
}
static bool lt( const C& c1, const C& c2 )
{
return ::toupper(c1) < ::toupper(c2);
}
static int compare( const C* s1, const C* s2, size_t N )
{
return _strnicmp(s1, s2, N);
}
static const char* find( const C* s, size_t N, const C& a )
{
for( size_t i=0 ; i<N ; ++i )
{
if( ::toupper(s[i]) == ::toupper(a) )
return s+i ;
}
return 0 ;
}
static bool eq_int_type( const int_type& c1, const int_type& c2 )
{
return ::toupper(c1) == ::toupper(c2) ;
}
};
template<>
struct char_traits_nocase<wchar_t> : public std::char_traits<wchar_t>
{
static bool eq( const wchar_t& c1, const wchar_t& c2 )
{
return ::towupper(c1) == ::towupper(c2);
}
static bool lt( const wchar_t& c1, const wchar_t& c2 )
{
return ::towupper(c1) < ::towupper(c2);
}
static int compare( const wchar_t* s1, const wchar_t* s2, size_t N )
{
return _wcsnicmp(s1, s2, N);
}
static const wchar_t* find( const wchar_t* s, size_t N, const wchar_t& a )
{
for( size_t i=0 ; i<N ; ++i )
{
if( ::towupper(s[i]) == ::towupper(a) )
return s+i ;
}
return 0 ;
}
static bool eq_int_type( const int_type& c1, const int_type& c2 )
{
return ::towupper(c1) == ::towupper(c2) ;
}
};
typedef std::basic_string<char, char_traits_nocase<char> > istring;
typedef std::basic_string<wchar_t, char_traits_nocase<wchar_t> > iwstring;
不使用 Boost 可以通过获取 C 字符串指针来完成此操作 c_str()
并使用 strcasecmp
:
std::string str1 ="aBcD";
std::string str2 = "AbCd";;
if (strcasecmp(str1.c_str(), str2.c_str()) == 0)
{
//case insensitive equal
}
我有很好的使用经验 Unicode 库的国际组件 - 它们非常强大,并提供转换方法、区域设置支持、日期和时间渲染、大小写映射(您似乎不想要)以及 整理, ,其中包括不区分大小写和重音的比较(以及更多)。我只使用了 C++ 版本的库,但它们似乎也有 Java 版本。
存在执行@Coincoin提到的标准化比较的方法,甚至可以考虑区域设置 - 例如(这是一个排序示例,不是严格相等),传统上在西班牙语(在西班牙)中,字母组合“ll”在之间排序“l”和“m”,因此“lz”<“ll”<“ma”。
只需使用 strcmp()
对于区分大小写和 strcmpi()
或者 stricmp()
用于不区分大小写的比较。两者都在头文件中 <string.h>
格式:
int strcmp(const char*,const char*); //for case sensitive
int strcmpi(const char*,const char*); //for case insensitive
用法:
string a="apple",b="ApPlE",c="ball";
if(strcmpi(a.c_str(),b.c_str())==0) //(if it is a match it will return 0)
cout<<a<<" and "<<b<<" are the same"<<"\n";
if(strcmpi(a.c_str(),b.c_str()<0)
cout<<a[0]<<" comes before ball "<<b[0]<<", so "<<a<<" comes before "<<b;
输出
苹果和ApPlE是一样的
a 在 b 之前,所以 apple 在 ball 之前
只需注意您最终选择的任何方法,如果该方法恰好包括使用 strcmp
一些答案表明:
strcmp
一般不适用于 Unicode 数据。一般来说,它甚至不适用于基于字节的 Unicode 编码,例如 utf-8,因为 strcmp
仅进行逐字节比较,并且以 utf-8 编码的 Unicode 代码点可以占用超过 1 个字节。唯一特定的 Unicode 大小写 strcmp
正确处理是当使用基于字节的编码进行编码的字符串仅包含低于 U+00FF 的代码点时 - 那么逐字节比较就足够了。
截至 2013 年初,IBM 维护的 ICU 项目是对此的一个很好的答案。
ICU是一个“完整的,便携式的Unicode库,可密切跟踪行业标准”。对于字符串比较的特定问题,整理对象执行您想要的。
Mozilla 项目于 2012 年中期在 Firefox 中采用了 ICU 进行国际化;您可以在此处跟踪工程讨论,包括构建系统和数据文件大小的问题:
聚会迟到了,但这里有一个使用的变体 std::locale
, ,从而正确处理土耳其语:
auto tolower = std::bind1st(
std::mem_fun(
&std::ctype<char>::tolower),
&std::use_facet<std::ctype<char> >(
std::locale()));
为您提供一个函子,它使用活动区域设置将字符转换为小写,然后您可以通过以下方式使用 std::transform
生成小写字符串:
std::string left = "fOo";
transform(left.begin(), left.end(), left.begin(), tolower);
这也适用于 wchar_t
基于字符串。
看起来上面的解决方案没有使用比较方法并再次实现总计,所以这是我的解决方案,希望它对您有用(工作正常)。
#include<iostream>
#include<cstring>
#include<cmath>
using namespace std;
string tolow(string a)
{
for(unsigned int i=0;i<a.length();i++)
{
a[i]=tolower(a[i]);
}
return a;
}
int main()
{
string str1,str2;
cin>>str1>>str2;
int temp=tolow(str1).compare(tolow(str2));
if(temp>0)
cout<<1;
else if(temp==0)
cout<<0;
else
cout<<-1;
}
如果你不想使用 升压库 那么这里是仅使用 C++ 标准 io 标头的解决方案。
#include <iostream>
struct iequal
{
bool operator()(int c1, int c2) const
{
// case insensitive comparison of two characters.
return std::toupper(c1) == std::toupper(c2);
}
};
bool iequals(const std::string& str1, const std::string& str2)
{
// use std::equal() to compare range of characters using the functor above.
return std::equal(str1.begin(), str1.end(), str2.begin(), iequal());
}
int main(void)
{
std::string str_1 = "HELLO";
std::string str_2 = "hello";
if(iequals(str_1,str_2))
{
std::cout<<"String are equal"<<std::endl;
}
else
{
std::cout<<"String are not equal"<<std::endl;
}
return 0;
}
如果您有一个字符串向量,例如:
std::sort(std::begin(myvector), std::end(myvector), [](std::string const &a, std::string const &b)
{
return std::lexicographical_compare(std::begin(a), std::end(a), std::begin(b), std::end(b), [](std::string::value_type a, std::string::value_type b)
{
return std::tolower(a) < std::tolower(b); //case-insensitive
});
});
如果您必须更频繁地将源字符串与其他字符串进行比较,一种优雅的解决方案是使用正则表达式。
std::wstring first = L"Test";
std::wstring second = L"TEST";
std::wregex pattern(first, std::wregex::icase);
bool isEqual = std::regex_match(second, pattern);
在 C++ 中比较两个字符串的简单方法(针对 Windows 进行了测试)是使用 _stricmp
// Case insensitive (could use equivalent _stricmp)
result = _stricmp( string1, string2 );
如果您想与 std::string 一起使用,例如:
std::string s1 = string("Hello");
if ( _stricmp(s1.c_str(), "HELLO") == 0)
std::cout << "The string are equals.";
欲了解更多信息,请点击此处: https://msdn.microsoft.com/it-it/library/e0z9k731.aspx
bool insensitive_c_compare(char A, char B){
static char mid_c = ('Z' + 'a') / 2 + 'Z';
static char up2lo = 'A' - 'a'; /// the offset between upper and lowers
if ('a' >= A and A >= 'z' or 'A' >= A and 'Z' >= A)
if ('a' >= B and B >= 'z' or 'A' >= B and 'Z' >= B)
/// check that the character is infact a letter
/// (trying to turn a 3 into an E would not be pretty!)
{
if (A > mid_c and B > mid_c or A < mid_c and B < mid_c)
{
return A == B;
}
else
{
if (A > mid_c)
A = A - 'a' + 'A';
if (B > mid_c)/// convert all uppercase letters to a lowercase ones
B = B - 'a' + 'A';
/// this could be changed to B = B + up2lo;
return A == B;
}
}
}
这可能会变得更有效率,但这是一个笨重的版本,所有的部分都是裸露的。
不是那么便携,但可以很好地与我的计算机上的任何内容配合使用(不知道,我是图片而不是文字)