C++でUnicode-Agnosticの大文字と小文字を区別しない比較を実現する方法

Question

私のC++コードでは、文字列がエンコードされているかどうか、またはエンコードの種類に関係なく、大文字と小文字を区別しない比較が必要です。文字列はASCIIでも非ASCIIでもかまいません。正しいロケールが設定されているかどうかに関わらず、それをそのまま保存して2番目の文字列と比較するだけです。

ユースケース：私のアプリケーションが最初に "ZoëSaldaña.txt"という文字列（ファイル名としましょう）を受け取り、それをそのまま保存するとします。その後、別の文字列 "zoësaLdañA.txt"を受け取り、これと最初の文字列の比較は、いくつかのAPIを使用して一致する必要があります。ファイル名 "abc.txt"と "AbC.txt"と同じです。

私はIBMのICUと、デフォルトでUTF-16エンコーディングをどのように使用しているかについて読んだ。

1. をICUがシームレスにかかわらず、エンコードの種類の文字列を処理することにより、私の要件を解決するための手段を提供している場合：私は知って興味？

2. ICUのAPIを使用して、答えが「いいえ」の場合、すべての文字列（ASCIIと非ASCIIの両方）をUTF-16に正規化し、大文字と小文字を区別しない比較やその他の操作？

3. これを容易にする代替手段はありますか？

私はこのpostを読んでいますが、それは私の要件を満たしていません。

ありがとうございます！

Answer 1

要件はありません。コンピュータは文字では動作しません。数字で動作します。しかし、 "大文字と小文字を区別しない"比較は文字に作用する操作です。ロケールは、どの数字がどの文字に対応するかを判断するため、不可欠です。

上記は、すべてのプログラミングランゲージで真実ではなく、大文字と小文字を区別して比較する場合にも当てはまります。文字から数字へのマッピングは必ずしも一意ではありません。つまり、2つの数値を比較しても機能しません。文字42が文字43に相当するロケールが存在する可能性があります。Unicodeでは、さらに悪化します。異なる長さを有し、依然として等価である数が存在する。 （特に、あらかじめ合成され、分解された文字）

Answer 2

エンコーディングを知らないと、そのことはできません。私はフランス語のアクセント付き文字と2つの異なるエンコードを使用して1つの例を取り上げます：cp850は西ヨーロッパ地域のウィンドウのOEMキャラクタとして使用され、よく知られているiso-8859-1（latin1とも呼ばれ、win1252とほとんど変わりません）ansi文字ウィンドウのために設定されます））。CP850に

• 、0x96が0x96は、非印刷可能（*）であり、0xeaはLATIN1に'Û'
• ある、0xcaは'╩'で、'û'文字列場合、0xcaは'Ê'で、0xeaので'ê'

あります0xaaは0x96と同じでなければならず、0xcaは別の文字です

文字列がlatin1であれば、0xeaは0xcaと同じでなければなりません。0x96はコントロールチャンネルですaracter

他のiso-8859-xエンコーディングと同様の例がありますが、私が知っている言語のみを話すことができます。 CP1252 0x96で

（*）を使用すると、大文字と小文字を区別しないロケールを知らなくても、比較を行うことはできません'–' Unicode文字U + 2013 'ê'