switch语句匹配非ASCII字符

Question

我在源代码中使用了带有音标的字符，并尝试用Unicode等效字符替换它们。如果我使用实际的非ASCII字符，程序编译并正常工作，但我担心这可能会影响可移植性。当我尝试使用Unicode等效字符时，我会得到“警告：情况标签值超过类型的最大值”或“警告：字符常量对其类型太长”，并且在运行程序时该情况永远不匹配。

for(int i = 0; i < ent->d_namlen; i++)
{
    switch(ent->d_name[i])
    {
        case 'á' : //0x00E1
        ...
    }
 }

参数ent 是一个从调用函数传递过来的 struct dirent *。

在 case 'á' : 的位置，我尝试了 case '0x00E1' :, case L 'u00E1 :, case \U000000E9 : 和 case '\u00E1' :。但是如果没有使用单引号，则无法编译（例如，会说在此范围内未声明 \u00E1）。

- Celeritas

---

你正在切换的变量类型是什么？ - David

@Dave dirent.d_name 是 char[]。 - obataku

你的Unicode字符被编码为多字节值（00E1是两个字节）。你可能正在切换该字符的第一个字节...即0。你可以尝试添加一个针对0的case，然后检查d_name [i + 1]是否为E1。或者，编写一些代码来转储d_name中的数字值，以便您可以逐字节地查看编码，并使用它来指导您检测该字符。 - Tony Delroy

显示d_name中字符的值，以查看您应该寻找什么。为此，请使用printf（“％d”，d_name [whatever]）或std :: cout <<（int）d_name [whatever]。 - Pete Becker

@veer 你是指这里描述的多字节字符集吗？(http://www.codeproject.com/Articles/2995/The-Complete-Guide-to-C-Strings-Part-I-Win32-Chara) - Celeritas

Answer 1

á 是一个非ASCII字符，在您的源代码、struct dirent 中，或者两者都存在时，会被表示为多个字节。

如果您打开-Wmultichar，可能会收到警告。

warning: multi-character character constant

表明字符常量'á'由多个字节组成，这种情况下它可能是UTF-8编码，但需要检查（例如使用file命令）。您还需要找出dirent条目的编码方式。

为了匹配字符串中的非ASCII字符，您需要：

- 确保字符串和字符以相同的编码方式表示，并且要么 - 使用固定长度编码（即UCS-4）和足够宽的类型来存储每个代码点（例如int），或者 - 使用可重启的可变长度编码（即UTF-8）并使用子字符串匹配。

请参考http://en.cppreference.com/w/cpp/locale/codecvt_utf8了解如何进行转换。

- ecatmur

Answer 2

我认为将switch表达式转换为无符号类型就可以解决问题。

switch((unsigned char)ent->d_name[i])
{
...
}

- Codeguard