basic_string的前导/尾随空格不敏感特性

Question

我正在进行大量解析/处理工作，其中包括前导/尾随空格和不区分大小写。因此，我为std::basic_string创建了一个基本的字符特征（见下文），以省去一些工作。

该特征不起作用，问题在于basic_string的比较调用了特征比较函数，如果计算结果为0，则返回大小差异。在basic_string.h中，它说： ...如果比较的结果为非零值，则返回该值，否则较短的字符串比较小。 看起来他们明确不希望我这样做...

为什么要有这个额外的"较短的字符串"排序？是否有任何解决方法，还是我必须自己编写字符串处理代码？

#include <cstring>
#include <iostream>

namespace csi{
template<typename T>
struct char_traits : std::char_traits<T>
{
    static int compare(T const*s1, T const*s2, size_t n){
        size_t n1(n);
        while(n1>0&&std::isspace(*s1))
            ++s1, --n1;
        while(n1>0&&std::isspace(s1[n1-1]))
            --n1;
        size_t n2(n);
        while(n2>0&&std::isspace(*s2))
            ++s2, --n2;
        while(n2>0&&std::isspace(s2[n2-1]))
            --n2;
        return strncasecmp(static_cast<char const*>(s1),
                           static_cast<char const*>(s2),
                           std::min(n1,n2));
    }
};
using string = std::basic_string<char,char_traits<char>>;
}

int main()
{
    using namespace csi;
    string s1 = "hello";
    string s2 = " HElLo ";
    std::cout << std::boolalpha
              << "s1==s2" << " " << (s1==s2) << std::endl;
}

- user8705939

---

不是答案，但 std::isspace(x)（其中 x 是 char）必须写成 std::isspace((unsigned char)x)。否则，您会因为负字符代码而产生未定义的行为。 - HolyBlackCat

@HolyBlackCat 当然可以，谢谢 :) - user8705939

Answer 1

如果 trait 的比较返回 0，为什么还需要这个额外的“更短”的排序方式呢？

这就是basic_string::compare() 定义的方式。

那么，有没有解决方法，或者我必须自己写一个字符串？

看起来你的自定义 char_traits 必须实现以下内容：

• length()，返回已修剪部分的长度，以及

• move() 和 copy()，用于复制修剪后的部分。

---

然而，有一个潜在的问题无法使用自定义特性解决。例如，basic_string 有像 basic_string(const CharT* s, size_type count, Allocator& alloc) 这样的构造函数，或者像 assign 或 compare 这样的方法重载，它们接受 C 字符串及其长度 - 在这些情况下，Traits::length() 不会被调用。如果有人使用其中任何一种方法，则字符串可能包含尾随空格或尝试访问源字符串末尾之外的字符。

为了解决这个问题，可以像这样做：

class TrimmedString
{
public:
    // expose only "safe" methods:
    void assign(const char* s) { m_str.assign(s); }

private:
    std::basic_sttring<char, CustomTraits> m_str;
};

或者这个（可能更简单）：

class TrimmedString : private std::basic_string<char, CustomTraits>
{
public:
    using BaseClass = std::basic_string<char, CustomTraits>; // for readability

    // make "safe" method public
    using BaseClass::length;
    using BaseClass::size;
    // etc.

    // wrappers for methods with "unsafe" overloads
    void assign(const char* s) { BaseClass::assign(s); }
};

- joe_chip

---

感谢您的回答。如果length（）返回修剪后的大小，我该如何处理前导空格？例如。“ hello”-> [按照您的方法]->“hell”。我不认为有一种方法可以通过特性递增basic_string数据指针：/。即使我通过length（）以某种方式完成它，我认为我会搞砸很多像basic_string的附加等等，对吗？ - user8705939

@OZ17 这就是为什么您需要实现 copy 和 move。这些方法只会复制中间部分，忽略源的开头和结尾部分。 - joe_chip

我在这方面有一点困难... 如果我改变特征中的 length()、copy()、move() 等，我将会有很多"不安全"的 basic_string 方法，如 begin、insert 和 append。我基本上最终会写出 std::basic_string 类。 - user8705939

begin()是安全的，问题在于需要接受C字符串和长度的方法，例如assign的重载等。我示例中的想法是包装std::basic_string，使其不公开。这样就不需要实现它们-只需一个一行的包装器，调用basic_string中的方法即可。 - joe_chip

Answer 2

将具有多个可能表示的数据转换为“标准”或“正常”形式称为规范化。对于文本，通常意味着去除重音符号，大小写，修剪空格字符和/或格式字符。

如果每次比较都在幕后完成规范化，则它是脆弱的。例如，您如何测试已正确地对`s1`和`s2`执行了规范化？此外，它是不灵活的，例如，您无法显示其结果或将其缓存以进行下一次比较。因此，将其作为显式规范化步骤执行更加健壮和高效。

特质比较仅需要比较n个字符，因此当您比较“hellow”和“hello”时，它应该返回什么？它应该返回0。如果您以某种方式忽略了该n，那么您就处于有缺陷的情况，因为特质应该使用未以零结尾的std :: string_view工作。如果大小比较被删除，则“hellow”和“hello”将比较相等，而这可能不是您想要的。

- Öö Tiib

---

谢谢！！！我花了一段时间重新思考这个问题... 我的特性能够正常工作的唯一合理方式是，如果我可以在修剪长度的特性内部执行这个“更短”的操作。但显然不可行，因为我无法覆盖 basic_string 的比较方法。另一方面，修改特性的 length() 方法会带来太多麻烦。我还是坚持显式修剪。再次感谢您！！！ - user8705939