boost库的string_algo中的to_upper函数没有考虑到本地化。

Question

我在string_algo包中的函数遇到了问题。

看一下这段代码：

#include <boost/algorithm/string.hpp>
int main() {
   try{
      string s = "meißen";
      locale l("de_DE.UTF-8");
      to_upper(s, l);
      cout << s << endl;
   catch(std::runtime_error& e){
      cerr << e.what() << endl;
   }

   try{
      string s = "composición";
      locale l("es_CO.UTF-8");
      to_upper(s, l);
      cout << s << endl;
   catch(std::runtime_error& e){
      cerr << e.what() << endl;
   }
}

这段代码的预期输出应该是：

MEISSEN
COMPOSICIÓN

然而，我得到的唯一的东西是：

MEIßEN
COMPOSICIóN

很明显地，区域设置没有被考虑进去。我甚至尝试设置全局区域设置也没有成功。我该怎么办？

- Sambatyon

---

UTF-8是一种很好的传输格式。但在内存中并不那么理想，因为每个代码点可以是1到4个字符。在内存中使用UCS-2更容易，因为它是固定大小的（注意，UTF-16由于代理对而再次变成可变大小）。 - Martin York

Answer 1

除了Éric Malenfant的答案之外，std::locale facets只适用于单个字符。要获得更好的结果，您可以使用std::wstring，这样就可以转换更多的字符，但是仍然不完美（例如ß）。我建议尝试一下Boost.Locale（一个新的boost库，还没有被包含在boost中），它可以做到这一点。

http://cppcms.sourceforge.net/boost_locale/docs/,

特别是请参考http://cppcms.sourceforge.net/boost_locale/docs/index.html#conversions，该链接涉及到您所讨论的问题。

- Artyom

Answer 2

std::toupper假定1:1转换，因此ß到SS的情况无望，无论使用Boost.StringAlgo与否。

查看StringAlgo的代码，我们可以看到它确实使用了locale（似乎除了Borland）。因此，对于另一种情况，我很好奇：在您的平台上，toupper('ó'，std::locale("es_CO.UTF-8"))的结果是什么？

写上面的内容让我想到了另一件事：您的源字符串的编码是什么？UTF8？在这种情况下，std::toupper将看到'ó'的两个代码单元，因此没有希望。Latin1？在这种情况下，使用名为".UTF-8"的locale是不一致的。

- Éric Malenfant

---

我的源代码使用UTF-8编码。当我尝试使用std::toupper('o', std::locale("es_CO.UTF-8"))时，会出现警告“多字符字符常量”，并且我不会得到任何答案，而是一个错误：terminate called after throwing an instance of 'std::bad_cast' what(): std::bad_cast。 - Sambatyon

正如我在答案中所写：toupper逐个字符处理字符串。UTF-8中的'ó'占用两个字节，因此没有希望toupper能够产生有意义的结果。您需要使用一种编码，使得您的字符可以用单个代码单元表示。在当前情况下，我看到两个选择：Latin1和char字符串，或者UTF-16（或32，取决于平台上sizeof(wchar_t)的大小）和wchar_t字符串。 - Éric Malenfant

Answer 3

在标准库中，有std::toupper（即boost::to_upper使用的函数），它一次处理一个字符。

这就解释了为什么ß不起作用。您没有说您使用哪个标准库和代码页，因此我不知道为什么ó不起作用。

如果您使用wstring会发生什么？

- adrianm

Answer 4

你可以使用 boost::locale。 这里 有一个例子。

- Igor Milyakov