Me pregunto cómo normalizar cadenas (que contienen utf-8/utf-16) en C/C++. En .NET hay una función String.Normalize.Normalización de cadenas Unicode en C/C++
He utilizado UTF8-CPP en el pasado, pero no proporciona esa función. ICU y Qt proporcionan normalización de cadenas pero prefiero soluciones ligeras.
¿Hay alguna solución "ligera" para esto?
Como escribí en another question, utf8proc es una biblioteca ligera y muy agradable para la funcionalidad básica de Unicode, incluida la normalización de cadenas Unicode.
"Ligero" en su contexto significa "con funcionalidad limitada". Utilizaría la fuente de ICU como ejemplo, y la referencia http://unicode.org/reports/tr15/ para implementar esta funcionalidad "ligera".
Puede construir una unidad de cuidados intensivos con mínimo (o posiblemente, sin otros datos, creo que todos los datos de normalización ahora son internos), y luego vincular estáticamente. No lo he probado recientemente, pero creo que el tamaño total es bastante pequeño en ese caso.
Para Windows, no es el NormalizeString() función (por desgracia para Vista y más tarde, sólo - por lo que yo veo en MSDN):
http://msdn.microsoft.com/en-us/library/windows/desktop/dd319093%28v=vs.85%29.aspx
Es la forma más sencilla de ir que he encontrado hasta el momento . Supongo que es bastante liviano también.
int NormalizeString(
_In_ NORM_FORM NormForm,
_In_ LPCWSTR lpSrcString,
_In_ int cwSrcLength,
_Out_opt_ LPWSTR lpDstString,
_In_ int cwDstLength
);
Una buena solución de UTF-8 es la función de glib g_utf8_normalize(). Requeriría convertir std :: wstring a std :: string (utf16 a utf8) si necesita esto también para wstring (lo que lo convertiría en una solución bastante costosa, por lo tanto, estoy buscando una solución mejor, si es posible con pure C++ (11) significa).
Tengo problemas en Visual Studio 2010 con utf8proc. typedef unsigned char bool; -> no compila en C++ –
No estoy familiarizado con VS 2010, pero ¿no puede compilar la biblioteca como biblioteca C y vincularla de esa manera? – Avi
El problema está en el archivo de encabezado por eso no podemos usarlo incluso como una biblioteca estática. Una solución simple es reemplazar bool, true, false para _bool, _true, _false occurrence. Ejemplo: typedef unsigned char _bool; enum {_false, _true}; –