Question

我有问题。我正在为Linux编写一个波兰语应用程序（当然还有波兰语），编译时我会收到80个警告。这些只是“警告：多字符字符常量”和“警告：案例标签值超过类型的最大值”。我正在使用std :: string。

如何替换std :: string class？

请帮忙。提前致谢。问候。

Answer 1

std::string未定义特定编码。因此，您可以在其中存储 bytes 的任何序列。有一些细微之处需要注意：

.c_str()将返回以null结尾的缓冲区。如果您的字符集允许空字节，请不要将此字符串传递给不带长度的const char*参数的函数，否则您的数据将被截断。
A char不代表字符，而是**字节。恕我直言，这是计算历史中最成问题的术语。请注意，wchar_t也必须包含完整字符，具体取决于UTF-16规范化。
.size()和.length()将返回 bytes 的数量，而不是字符数。

[edit] 有关case标签的警告与问题（2）有关。您使用的switch语句使用类型char的多字节字符，该字符不能超过一个字节。 [/ edit]

因此，只要您遵守这三条规则，就可以在您的应用中使用std::string。涉及STL的微妙之处，包括std::find()，这是其后果。由于规范化形式，您需要使用一些更聪明的字符串匹配算法来正确支持Unicode。

但是，当使用任何使用非ASCII字符的语言编写应用程序时（如果您是偏执狂，请考虑[0, 128)之外的任何内容），您需要了解不同文本数据源中的编码。 / p>

可能未指定源文件编码，并且可能会使用编译器选项进行更改。任何字符串文字都将遵守此规则。我想这就是你收到警告的原因。
您将从外部源（文件，用户输入等）获得各种字符编码。当该源指定编码或您可以从某个外部源获取它（即询问用户导入数据）时，这更容易。除非另有说明，否则许多（较新的）互联网协议都会强制使用ASCII或UTF-8。

任何特定的字符串类都无法解决这两个问题。您只需将所有外部源转换为内部编码即可。我建议一直使用UTF-8，但由于本机支持，特别是在Linux上。我强烈建议将字符串文字放在消息文件中，以忘记问题（1），只处理问题（2）。

我不建议在Linux上使用std::wstring，因为100％的本机API使用const char*的函数签名，并且直接支持UTF-8。如果您使用基于wchar_t的任何字符串类，您将需要不停地转换为std::wstring并最终导致错误，最重要的是使一切变慢（呃）。

如果您正在编写Windows应用程序，我建议完全相反，因为所有本机API都使用const wchar_t*签名。这些函数的ANSI版本执行与const wchar_t*的内部转换。

某些“便携式”库/语言使用基于平台的不同表示。他们在Linux上使用带有char的UTF-8，在Windows上使用带有wchar_t的UTF-16。我记得在Python参考实现中阅读那个技巧，但文章很老了。我不确定这是否属实。

Answer 2

在linux上，您应该使用由您使用的框架提供的多字节字符串类。

我推荐glibmm框架中的Glib :: ustring，它以UTF-8编码存储字符串。如果您的源文件是UTF-8，那么在代码中使用多字节字符串文字就像这样简单：

ustring alphabet("aąbcćdeęfghijklłmnńoóprsśtuwyzźż");

但您无法使用char在多字节字符上构建switch / case语句。我建议使用一系列if s。您可以使用Glibmm的gunichar，但它不是非常易读（您可以使用article on Polish alphabet in Wikipedia中的表格为字符获取正确的unicode值）：

#include <glibmm.h>
#include <iostream>

using namespace std;

int main()
{
        Glib::ustring alphabet("aąbcćdeęfghijklłmnńoóprsśtuwyzźż");
        int small_polish_vovels_with_diacritics_count = 0;
        for ( int i=0; i<alphabet.size(); i++ ) {
                switch (alphabet[i]) {
                        case 0x0105: // ą
                        case 0x0119: // ę
                        case 0x00f3: // ó
                                small_polish_vovels_with_diacritics_count++;
                                break;
                        default:
                                break;
                }
        }
        cout << "There are " << small_polish_vovels_with_diacritics_count
                << " small polish vovels with diacritics in this string.\n"; 
        return 0;
}

您可以使用以下方法编译：

g++ `pkg-config --cflags --libs glibmm-2.4` progname.cc -o progname

Answer 3

std::string用于ASCII字符串。由于您的波兰字符串不适合，您应该使用std::wstring。

std :: string中的波兰语字符

3 个答案: