tiny utf8
Version 4.4.3
4.4 Tiny-UTF8 es una biblioteca para una integración extremadamente fácil de Unicode en un proyecto arbitrario de C ++ 11. La biblioteca consiste únicamente en la clase utf8_string , que actúa como un reemplazo de entrega de std::string . Su implementación está en el medio entre la pequeña huella de memoria y el acceso rápido. Por lo tanto, toda la funcionalidad de std::string se reemplaza por la versión UTF-32 basada en CodePoint correspondiente, traduciendo cada acceso a UTF-8 debajo del capó.
c ) ( r ) begin / end ahora devuelve los iteradores basados en CodePoint, mientras que raw_ ( c ) ( r ) begin / end ahora devuelve iteradores basados en bytes.str.erase( std::remove( str.begin() , str.end() , U'W' ) , str.end() ) funcionará, pero str.erase( std::remove( str.raw_begin() , str.raw_end() , U'W' ) , str.raw_end() ) no lo hará (al menos no siempre). La razón es: después de la llamada a std::remove , el tamaño de los datos de la cadena podría haber cambiado y la segunda llamada a str.raw_end() podría haber arrojado un iterador ahora invalorado.std::stringsizeof(utf8_string) ! Es decir, incluido el final size() Devuelve el tamaño de los datos en bytes , length() Devuelve el número de puntos de código contenidos.0x0 - 0xFFFFFFFF , es decir, 1-7 unidades de código/bytes por punto de código (nota: Esto es más que especificado por UTF8, pero hasta ahora se considera fuera de alcance)const char* / const char32_t* también tienen una sobrecarga para const char (&)[N] / const char32_t (&)[N] , lo que permite una interpretación correcta de literales de cadena con ceros integrados)shrink_to_fit() Cuando decidí escribir una solución UTF8 para C ++, sabía que quería un reemplazo de std::string . En ese momento, principalmente porque me pareció bueno tener uno y sentí que C ++ siempre carecía de soporte accesible para UTF8. Desde entonces, han pasado varios años y la situación no ha mejorado mucho. Dicho esto, las cosas actualmente parecen estar a punto de mejorar, pero eso no dice mucho, ¿eh?
La opinión compartida por muchos "programadores de Unicode experimentados" (por ejemplo, publicada en UTF-8 en todas partes) es que los programadores "no experimentados", tanto por debajo y sobre la necesidad de un tratamiento específico de unicode y codificación: esta necesidad es ...
Unicode no es ciencia espacial, pero no obstante es difícil de acertar . Tiny-UTF8 no tiene la intención de ser una solución empresarial como la UCI para C ++. El objetivo de Tiny-UTF8 es
std::string con una clase personalizada que significa Tiny-UTF8 tiene como objetivo ser la base simple y dependible de la infraestructura unicode. Y, si 1) C ++ 2xyz debería suceder para hacer que su unicode sea más fácil que Tiny-UTF8 o 2) Decide ir a la empresa, no ha perdido mucho tiempo reemplazando std::string con tiny_utf8::string . Eso es lo que hace que Tiny-UTF8 sea tan agradable.
'ch' vs. 'c'+'h' )Nota: ANSI Suppport se eliminó en la versión 2.0 a favor de la velocidad de ejecución.
# include < iostream >
# include < algorithm >
# include < tinyutf8/tinyutf8.h >
using namespace std ;
int main ()
{
tiny_utf8::string str = u8" !? olleH " ;
for_each ( str. rbegin () , str. rend () , []( char32_t codepoint ){
cout << codepoint;
} );
return 0 ;
}__cpp_exceptions .noexcept de todos modos, #define el macro TINY_UTF8_NOEXCEPT .#define el macro TINY_UTF8_THROW( location , failing_predicate ) . Para usar afirmaciones, escribiría #define TINY_UTF8_THROW( _ , pred ) assert( pred ) .TINY_UTF8_THROW( ... ) se define automáticamente como void() . Esto funciona bien, porque todos los usos de TINY_UTF8_THROW son seguidos inmediatamente por A ; así como una declaración return adecuada con un valor respaldo. Eso también significa que TINY_UTF8_THROW puede ser sin seguridad. tiny_utf8::basic_utf8_string ha sido renombrado a basic_string , que se asemeja mejor a sus capacidades para std::string . tinyutf8.h se ha trasladado a la carpeta include/tinyutf8/ para imitar la estructuración de muchos otros proyectos de código abierto basados en C ++. utf8_string ahora se define dentro del namespace tiny_utf8 . Si desea la antigua declaración en el espacio de nombres global, #define TINY_UTF8_GLOBAL_NAMESPACEtiny_utf8::u8string , que usa char8_t como tipo de datos subyacente (en lugar de char ) utf8_string definido en el espacio de nombres global, #define la macro TINY_UTF8_GLOBAL_NAMESPACE . Si encuentra algún error, presente un informe de errores a través de la pestaña "Problemas". ¡Intentaré responderlo pronto!
por tomarse su tiempo para mejorar Tiny-UTF8 .
Saludos, Jakob
