迹忆客 专注技术分享

在本文中，我们将来介绍在 C++ 中如何将字符串进行小写转换。

当我们在考虑 C++ 中的字符串转换方法时，首先要问自己的是我的输入字符串有什么样的编码？因为如果你将使用 std::lower 与多字节编码字符，那么你一定会得到错误的代码。

即使下面的函数看起来是对 std::string 小写转换的整洁实现，当你期望输入的是 UTF-8 编码字符时，它不会将所有的字符转换为小写。

#include <iostream>
#include <algorithm>

std::string toLower(std::string s) {
    std::transform(s.begin(), s.end(), s.begin(),
       [](unsigned char c){ return std::tolower(c); }
    );
    return s;
}

int main() {
    std::string string1 = u8"ÅSH to LoWer WÅN";
    std::cout << "input string:  " << string1 << std::endl
            << "output string: " << toLower(string1) << std::endl;
    return 0;
}

上面的代码对于 ASCII 字符串和其他一些非 ASCII 字符串也能很好的工作，但是一旦你给它一个有点不寻常的输入，比如说里面有一些拉丁符号，输出就会不尽人意。

输出：

input string:  ÅSH to LoWer WÅN
output string: Åsh to lower wÅn

它是不正确的，因为它应该把 Å 改为小写的 å。那么，我们怎样才能解决这个问题，得到正确的输出呢？

最好的可移植方式是使用 ICU （International Components for Unicode，国际统一码组件）库，它足够成熟，提供了稳定性，广泛的可访问性，并将保持你的代码跨平台。

我们只需要在源文件中包含以下头文件。这些库很有可能已经包含在你的平台上，并且在你的平台上可用，所以代码样本应该可以正常工作。但如果你在 IDE/编译时出现错误，请参考 ICU 文档网站中的库下载说明。

#include <unicode/unistr.h>
#include <unicode/ustream.h>
#include <unicode/locid.h>

现在我们已经包含了头文件，所以我们可以写 std::string 到小写的转换代码如下。

#include <iostream>
#include <unicode/unistr.h>
#include <unicode/ustream.h>
#include <unicode/locid.h>

int main() {
    std::string string1 = u8"ÅSH to LoWer WÅN";
    icu::UnicodeString unicodeString(string1.c_str());
    std::cout << "input string:  " << string1 << std::endl
              << "output string: " << unicodeString.toLower() << std::endl;
    return 0;
}

注意，我们在编译这段代码时，应该使用以下编译器标志，以包含 ICU 库的依赖性。

g++ sample_code.cpp -licuio -licuuc -o sample_code

运行代码，我们将按预期获得正确的输出：

input string:  ÅSH to LoWer WÅN
output string: åsh to lower wån

完全相同的函数可以处理一些我们通常不希望作为用户输入的语言，并且我们还可以显式地将语言环境指定为 toLower 函数的参数：

#include <iostream>
#include <unicode/unistr.h>
#include <unicode/ustream.h>
#include <unicode/locid.h>

int main() {
    std::string string2 = "Κάδμῳ ἀπιϰόμενοι.. Ελληνας ϰαὶ δὴ ϰαὶ γράμματα, οὐϰ ἐόντα πρὶν Ελλησι";
    icu::UnicodeString unicodeString2(string2.c_str());
    std::cout  << unicodeString2.toLower("el_GR") << std::endl;
    return 0;
}