String-Vergleich ohne Berücksichtigung der Groß-/Kleinschreibung in C++ [closed]

Was ist der beste Weg, um einen String-Vergleich ohne Berücksichtigung der Groß-/Kleinschreibung in C++ durchzuführen, ohne einen String in Groß- oder Kleinbuchstaben umzuwandeln?

Bitte geben Sie an, ob die Methoden Unicode-freundlich sind und wie portabel sie sind.

Boost enthält dafür einen praktischen Algorithmus:

#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
}

Profitieren Sie von der Norm char_traits. Denken Sie daran, dass a std::string ist in der Tat ein Typedef für std::basic_string<char>oder genauer gesagt, std::basic_string<char, std::char_traits<char> >. Die char_traits type beschreibt, wie sich Zeichen vergleichen, wie sie kopieren, wie sie gecastet werden usw. Alles, was Sie tun müssen, ist, einen neuen String darüber zu schreiben basic_stringund versehen Sie es mit Ihrem eigenen Benutzernamen char_traits die Groß- und Kleinschreibung unsensibel vergleichen.

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;

Die Details sind auf Guru der Woche Nummer 29.

Das Problem mit Boost ist, dass Sie sich mit Boost verbinden und sich auf Boost verlassen müssen. In einigen Fällen nicht einfach (z. B. Android).

Und die Verwendung von char_traits bedeutet alle Bei Ihren Vergleichen wird die Groß- und Kleinschreibung nicht beachtet, was normalerweise nicht das ist, was Sie möchten.

Dies sollte genügen. Es sollte einigermaßen effizient sein. Behandelt jedoch kein Unicode oder ähnliches.

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;
}

Update: Bonus C++14-Version (#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);
                      });
}

Update: C++20-Version mit std::ranges:

#include <ranges>
#include <algorithm>
#include <string>

bool iequals(const std::string_view& lhs, const std::string_view& rhs) {
    auto to_lower{ std::ranges::views::transform(std::tolower) };
    return std::ranges::equal(lhs | to_lower, rhs | to_lower);
}

Wenn Sie sich auf einem POSIX-System befinden, können Sie verwenden strcasecmp. Diese Funktion ist jedoch nicht Teil von Standard-C und steht auch nicht unter Windows zur Verfügung. Dies führt einen Vergleich ohne Berücksichtigung der Groß-/Kleinschreibung für 8-Bit-Zeichen durch, solange das Gebietsschema POSIX ist. Wenn das Gebietsschema nicht POSIX ist, sind die Ergebnisse undefiniert (es kann also ein lokalisierter Vergleich durchgeführt werden oder nicht). Ein Breitzeichen-Äquivalent ist nicht verfügbar.

Andernfalls verfügen viele historische Implementierungen von C-Bibliotheken über die Funktionen stricmp() und strnicmp(). Visual C++ unter Windows hat all diese umbenannt, indem ihnen ein Unterstrich vorangestellt wurde, weil sie nicht Teil des ANSI-Standards sind, also heißen sie auf diesem System _stricmp oder _strnicmp. Einige Bibliotheken können auch Wide-Character- oder Multibyte-äquivalente Funktionen haben (normalerweise zB wcsicmp, mbcsicmp und so weiter genannt).

C und C++ sind beide weitgehend unwissend in Bezug auf Internationalisierungsprobleme, daher gibt es keine gute Lösung für dieses Problem, außer die Verwendung einer Bibliothek eines Drittanbieters. Kasse IBM ICU (Internationale Komponenten für Unicode) wenn Sie eine robuste Bibliothek für C/C++ benötigen. ICU ist sowohl für Windows- als auch für Unix-Systeme.

Sprechen Sie von einem dummen Vergleich ohne Berücksichtigung der Groß-/Kleinschreibung oder einem vollständig normalisierten Unicode-Vergleich?

Ein dummer Vergleich findet keine Zeichenfolgen, die möglicherweise gleich sind, aber nicht binär gleich sind.

Beispiel:

U212B (ANGSTROM SIGN)
U0041 (LATIN CAPITAL LETTER A) + U030A (COMBINING RING ABOVE)
U00C5 (LATIN CAPITAL LETTER A WITH RING ABOVE).

Sind alle gleichwertig, haben aber auch unterschiedliche binäre Darstellungen.

Das gesagt, Unicode-Normalisierung sollte eine Pflichtlektüre sein, besonders wenn Sie vorhaben, Hangul, Thaï und andere asiatische Sprachen zu unterstützen.

Außerdem hat IBM die meisten optimierten Unicode-Algorithmen so ziemlich patentiert und öffentlich zugänglich gemacht. Sie pflegen auch eine Implementierung: IBM Intensivstation

boost::iequals ist im Fall von string nicht utf-8-kompatibel. Sie können verwenden boost::locale.

comparator<char,collator_base::secondary> cmpr;
cout << (cmpr(str1, str2) ? "str1 < str2" : "str1 >= str2") << endl;

• Primär — Akzente und Groß-/Kleinschreibung ignorieren, nur Grundbuchstaben vergleichen. Beispielsweise sind „Fassade“ und „Fassade“ gleich.
• Sekundär – Groß-/Kleinschreibung ignorieren, aber Akzente berücksichtigen. “Fassade” und “Fassade” sind unterschiedlich, aber “Fassade” und “Fassade” sind dasselbe.
• Tertiär – Groß- und Kleinschreibung beachten: „Fassade“ und „Fassade“ sind unterschiedlich. Satzzeichen ignorieren.
• Quartär – berücksichtigen Sie Groß- und Kleinschreibung, Akzente und Interpunktion. Die Wörter müssen hinsichtlich der Unicode-Darstellung identisch sein.
• Identisch – wie quaternär, aber auch Codepunkte vergleichen.

Mein erster Gedanke für eine Nicht-Unicode-Version war, so etwas zu tun:

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(static_cast<unsigned char>(*c1)) != tolower(static_cast<unsigned char>(*c2))) {
            return false;
        }
    }
    return true;
}