不区分大小写的字符串std::set

Question

如何在std::set中进行不区分大小写的插入或搜索字符串？

例如：

std::set<std::string> s;
s.insert("Hello");
s.insert("HELLO"); //not allowed, string already exists.

- cpx

---

你能解释一下什么是“区分大小写插入”吗？ - Jon

Answer 1

您需要定义一个自定义比较器：

struct InsensitiveCompare { 
    bool operator() (const std::string& a, const std::string& b) const {
        return strcasecmp(a.c_str(), b.c_str()) < 0;
    }
};

std::set<std::string, InsensitiveCompare> s;

如果strcasecmp不可用，您可以尝试使用stricmp或strcoll。

- Yakov Galka

---

当我读到InsensitiveCompare时，不禁想起了我的岳母。+1。 - Fozi

如果字符串中有NUL字符，这种方法将无法正常工作。请参见此问题。 - Sauron

stricmp不是标准的C或C++，也不是POSIX或ANSI。它在GCC中不可用，但strcasecmp至少是标准的POSIX并且具有相同的签名。使用std :: tolower（）编写自己的实现非常容易。 - Vortico

Answer 2

std::set提供自定义比较器的选项（大多数std容器也是如此）。您可以执行任何类型的比较。这里提供完整示例链接

- John Sloper

Answer 3

这是一个通用的解决方案，适用于除了 std::string 以外的其他字符串类型（已经测试过包括 std::wstring，std::string_view，char const*）。基本上任何定义了字符 范围 的东西都可以使用。 关键点在于使用 boost::as_literal，它允许我们在比较器中统一处理以 null 结尾的字符数组、字符指针和范围。 通用代码（"iset.h"）：

#pragma once
#include <set>
#include <algorithm>
#include <boost/algorithm/string.hpp>
#include <boost/range/as_literal.hpp>

// Case-insensitive generic string comparator.
struct range_iless
{
    template< typename InputRange1, typename InputRange2 >
    bool operator()( InputRange1 const& r1, InputRange2 const& r2 ) const 
    {
        // include the standard begin() and end() aswell as any custom overloads for ADL
        using std::begin; using std::end;  

        // Treat null-terminated character arrays, character pointers and ranges uniformly.
        // This just creates cheap iterator ranges (it doesn't copy container arguments)!
        auto ir1 = boost::as_literal( r1 );
        auto ir2 = boost::as_literal( r2 );

        // Compare case-insensitively.
        return std::lexicographical_compare( 
            begin( ir1 ), end( ir1 ), 
            begin( ir2 ), end( ir2 ), 
            boost::is_iless{} );
    }
};

// Case-insensitive set for any Key that consists of a range of characters.
template< class Key, class Allocator = std::allocator<Key> >
using iset = std::set< Key, range_iless, Allocator >;

使用示例（"main.cpp"）：

#include "iset.h"  // above header file
#include <iostream>
#include <string>
#include <string_view>

// Output range to stream.
template< typename InputRange, typename Stream, typename CharT >
void write_to( Stream& s, InputRange const& r, CharT const* sep )
{
    for( auto const& elem : r )
        s << elem << sep;
    s << std::endl;
}

int main()
{
    iset< std::string  >     s1{  "Hello",  "HELLO",  "world" };
    iset< std::wstring >     s2{ L"Hello", L"HELLO", L"world" };
    iset< char const*  >     s3{  "Hello",  "HELLO",  "world" };
    iset< std::string_view > s4{  "Hello",  "HELLO",  "world" };

    write_to( std::cout,  s1,  " " );    
    write_to( std::wcout, s2, L" " );    
    write_to( std::cout,  s3,  " " );    
    write_to( std::cout,  s4,  " " );    
}

在Coliru上的实时演示

- zett42

Answer 4

根据我所读的，这比stricmp()更具可移植性，因为stricmp()实际上并不是标准库的一部分，而只是由大多数编译器供应商实现的。因此，以下是我的解决方案，只需自己编写。

#include <string>
#include <cctype>
#include <iostream>
#include <set>

struct caseInsensitiveLess
{
  bool operator()(const std::string& x, const std::string& y)
  {
    unsigned int xs ( x.size() );
    unsigned int ys ( y.size() );
    unsigned int bound ( 0 );

    if ( xs < ys ) 
      bound = xs; 
    else 
      bound = ys;

    {
      unsigned int i = 0;
      for (auto it1 = x.begin(), it2 = y.begin(); i < bound; ++i, ++it1, ++it2)
      {
        if (tolower(*it1) < tolower(*it2))
          return true;

        if (tolower(*it2) < tolower(*it1))
          return false;
      }
    }
    return false; 
  }
};

int main()
{
  std::set<std::string, caseInsensitiveLess> ss1;
  std::set<std::string> ss2;

  ss1.insert("This is the first string");
  ss1.insert("THIS IS THE FIRST STRING");
  ss1.insert("THIS IS THE SECOND STRING");
  ss1.insert("This IS THE SECOND STRING");
  ss1.insert("This IS THE Third");

  ss2.insert("this is the first string");
  ss2.insert("this is the first string");
  ss2.insert("this is the second string");
  ss2.insert("this is the second string");
  ss2.insert("this is the third");

  for ( auto& i: ss1 )
   std::cout << i << std::endl;

  std::cout << std::endl;

  for ( auto& i: ss2 )
   std::cout << i << std::endl;

}

输出大小写不敏感集和普通集以相同的顺序显示：

This is the first string
THIS IS THE SECOND STRING
This IS THE Third

this is the first string
this is the second string
this is the third

- bjackfly

---

一个小提示：如果你正在处理希腊文本，这个方法可能行不通，因为通常情况下，仅使用 tolower 无法实现不区分大小写的比较。这种不可能性的教科书例子是ΌΣΟΣ，它与 όσος（希腊语中的“多少”）在不区分大小写时相同。 - R. Martinho Fernandes