c++ - std::tolow 的行为在不同语言环境中有何变化？

Question

我正在阅读cppreference.com的文档std::tolower：

根据当前安装的 C 语言环境定义的字符转换规则将给定字符转换为小写。

在默认的“C”语言环境中，以下大写字母 ABCDEFGHIJKLMNOPQRSTUVWXYZ 将替换为相应的小写字母 abcdefghijklmnopqrstuvwxyz。

这种行为在不同的语言环境中会如何变化？

Answer 1

实际上，该站点上的示例显示了不同之处：

#include <iostream>
#include <cctype>
#include <clocale>

int main()
{
    unsigned char c = '\xb4'; // the character Ž in ISO-8859-15
                              // but ´ (acute accent) in ISO-8859-1 

    std::setlocale(LC_ALL, "en_US.iso88591");
    std::cout << std::hex << std::showbase;
    std::cout << "in iso8859-1, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
    std::setlocale(LC_ALL, "en_US.iso885915");
    std::cout << "in iso8859-15, tolower('0xb4') gives "
              << std::tolower(c) << '\n';
}

输出：

in iso8859-1, tolower('0xb4') gives 0xb4
in iso8859-15, tolower('0xb4') gives 0xb8

因为 C 语言没有编码的概念，所以 a char（因此 a char const*）只是bytes。切换语言环境时，您会切换这些字节的解释，例如这里的字节0xb4(180) 超出 ASCII 范围 (0-127)，因此其含义会根据您切换到的语言环境而变化：

• 在 ISO-8859-1 中，它表示´，因此在从上到下移动时不变
• 在 ISO-8859-15 中，它表示Ž，因此在ž从上到下移动时更改为 (0xb8 in this locale)

您会认为在后 Unicode 世界中，这无关紧要，但许多人还没有过渡到 Unicode...

Answer 2

它可能会以两种方式改变：

• 有些字符不在该集中，也可以在非 C 语言环境中翻译。例如，在德语语言环境中，字母“Ä”将转换为“ä”。
• 即使对于该集中的字符，小写版本也可能不同。例如，在土耳其语环境中，“I”的小写版本不应该是“i”，而应该是“ı”，而“i”将被生成为“İ”的小写版本。

另请注意，字符集中非 ASCII 字符的位置可能取决于语言环境，因为语言环境也决定了使用的字符集。但是，即使您只使用 Unicode（例如，只使用 UTF-8 语言环境），您仍然有上面列出的差异。