34

前段时间，在 Stack Overflow 上享有盛誉的人在评论中写道，有必要在调用and （和类似函数）之前将char-argument 转换为。unsigned charstd::toupperstd::tolower

另一方面，Bjarne Stroustrup 没有在C++ 编程语言中提到这样做的必要性。他只是使用toupper喜欢

string name = "Niels Stroustrup";

void m3() {
  string s = name.substr(6,10);  // s = "Stroustr up"
  name.replace(0,5,"nicholas");  // name becomes "nicholas Stroustrup"
  name[0] = toupper(name[0]);   // name becomes "Nicholas Stroustrup"
}

（引自该书，第 4 版。）

参考资料说输入需要可以表示为unsigned char。对我来说，这听起来像是它适用于每一个char，char并且unsigned char具有相同的大小。

那么这个演员阵容是不必要的，还是 Stroustrup 粗心的？

编辑：libstdc++ 手册提到输入字符必须来自基本源字符集，但不强制转换。我想@Keith Thompson 的回复已经涵盖了这一点，它们都有一个积极的表示signed char和unsigned char？

4

5 回答 5

35

是的，toupper需要将参数转换为unsigned char以避免未定义行为的风险。

类型char、signed char和unsigned char是三种不同的类型。具有与orchar相同的范围和表示。（Plain非常常用，可以表示 -128..+127 范围内的值。） signed char unsigned charchar

该toupper函数接受一个int参数并返回一个int结果。引用 C 标准，第 7.4 节第 1 段：

在所有情况下，参数都是 an int，其值应表示为 anunsigned char或应等于宏的值EOF。如果参数有任何其他值，则行为未定义。

（C++ 合并了大部分 C 标准库，并将其定义推迟到 C 标准。）

[]索引运算符 on返回对的std::string引用char。如果 plainchar是有符号类型，并且 的值name[0]恰好是负数，那么表达式

toupper(name[0])

具有未定义的行为。

该语言保证，即使 plainchar是有符号的，基本字符集的所有成员都具有非负值，所以给定初始化

string name = "Niels Stroustrup";

该程序不会冒未定义行为的风险。但是是的，通常char传递给（或传递给/toupper中声明的任何函数）的值需要转换为，以便隐式转换不会产生负值并导致未定义的行为。<cctype><ctype.h>unsigned charint

这些<ctype.h>功能通常使用查找表来实现。就像是：

// assume plain char is signed
char c = -2;
c = toupper(c); // undefined behavior

可能索引超出该表的范围。

请注意，转换为unsigned：

char c = -2;
c = toupper((unsigned)c); // undefined behavior

不能避免问题。如果int是 32 位，则将char值转换-2为. 然后将其隐式转换为（参数类型），这可能会产生.unsigned4294967294int-2

toupper 可以实现，因此它对负值的行为是明智的（接受来自CHAR_MINtoUCHAR_MAX的所有值），但不是必须这样做。此外，in<ctype.h>中的函数需要接受带有 value 的参数，该参数EOF通常为-1。

C++ 标准对一些 C 标准库函数进行了调整。例如，strchr其他几个函数被强制const正确性的重载版本替换。中声明的函数没有这样的调整<cctype>。

于 2014-02-16T01:09:24.913 回答
5

引用是指可表示为的值unsigned char，而不是表示unsigned char。也就是说，如果实际值不在 0 和UCHAR_MAX （通常为 255）之间，则行为未定义。（或者EOF，这基本上是它需要 aint而不是 a的原因char。）

于 2014-02-16T00:34:44.613 回答
3

在 C 中，toupper（和许多其他函数）int即使您希望它们使用 s，也需要使用chars。此外，char在某些平台上已签名，而在其他平台上未签名。

unsigned char在调用之前转换的建议toupper对于 C 是正确的。 我认为 C++ 中不需要它，只要你传递它int在范围内。 我找不到任何特定于 C++ 中是否需要它的内容。

如果您想回避这个问题，请toupper使用<locale>. 它是一个模板，可以采用任何可接受的字符类型。您还必须将其传递给std::locale. 如果您不知道要选择哪个语言环境，请使用std::locale("")，这应该是用户的首选语言环境：

#include <algorithm>
#include <iostream>
#include <iterator>
#include <locale>
#include <string>

int main()
{
    std::string name("Bjarne Stroustrup");
    std::string uppercase;

    std::locale loc("");

    std::transform(name.begin(), name.end(), std::back_inserter(uppercase),
                   [&loc](char c) { return std::toupper(c, loc); });

    std::cout << name << '\n' << uppercase << '\n';
    return 0;
}
于 2014-02-16T00:46:57.047 回答
1

可悲的是，Stroustrup 粗心:-(
是的，拉丁字母代码应该是非负的（并且不需要强制转换）......
有些实现在不强制转换为无符号字符的情况下正确工作......
根据一些经验，它可能会花费几个几个小时来查找此类 toupper 的段错误的原因（当已知存在段错误时）......
还有 isupper，islower 等

于 2014-02-16T03:53:36.120 回答
0

您可以转换函数，而不是将参数转换为 unsigned char。您将需要包含功能标题。这是一个示例代码：

#include <string>
#include <algorithm>
#include <functional>
#include <locale>
#include <iostream>

int main()
{
    typedef unsigned char BYTE; // just in case

    std::string name("Daniel Brühl"); // used this name for its non-ascii character!

    std::transform(name.begin(), name.end(), name.begin(),
            (std::function<int(BYTE)>)::toupper);

    std::cout << "uppercase name: " << name << '\n';
    return 0;
}

输出是：

uppercase name: DANIEL BRüHL

正如预期的那样， toupper 对非 ascii 字符没有影响。但是这种强制转换有利于避免意外行为。

于 2016-01-10T08:11:50.730 回答