如何比较 ICU 迭代器的值？

【问题标题】：How to compare ICU iterators values?如何比较 ICU 迭代器的值？
【发布时间】：2021-12-04 06:09:59
【问题描述】：

我正在使用 UCharIterators 在 C 中的 unicode 字符串上编写 KMP 子字符串搜索算法，我面临的问题是我需要通过迭代器比较值并且比较应该标准化，而所有 ICU colls 都吸收字符串而不是单个字符。

UCharIterator first_iter, second_iter

uiter_setUTF8( &first_iter, needle_str, n_needle_bytes);
uiter_setUTF8(&second_iter, needle_str, n_needle_bytes);

...
if (firts_iter.current(&first_iter) != second_iter.current(&second_iter)) {
    ...

当前条件在“a”和“ä”上失败，而我也不想要它。我不喜欢预标准化的想法，因为它需要 O(n + m) 额外的内存（据我所知，ICU 没有就地执行它的功能）

【问题讨论】：

标签： c icu

【解决方案1】：

我不得不为 UTF-8 ICU 字符串切换到 U8_* 宏。用U8_NEXT移动偏移量

U8_NEXT((uint8_t *)string, string_offset, string_size, status);

这样比较

U8_GET((uint8_t *)key, 0,  first_key_end, key_size,  first_key_c);
U8_GET((uint8_t *)key, 0, second_key_end, key_size, second_key_c);
if (coll->cmp(key +  first_key_end, U8_LENGTH(first_key_c),
              key + second_key_end, U8_LENGTH(second_key_c),
              coll)

也就是说，用U8_LENGTH 按第一个代码点计算的单个字母的长度（而不是偏移量或字符串的一部分）。更多信息在这里https://unicode-org.github.io/icu-docs/apidoc/released/icu4c/utf8_8h.html

【讨论】：