basic_string 的前导/尾随空格不敏感特征

Question

我正在做很多解析/处理，其中给出了前导/尾随空格和不区分大小写。所以我为std::basic_string（见下文）制作了一个基本的字符特征来为自己节省一些工作。

特征不起作用，问题是basic_string 的比较调用特征比较，如果评估为 0，则返回大小差异。在basic_string.h 它说 ...如果比较的结果是非零返回它，否则首先排序较短的。 看起来他们明确不希望我这样做...

如果 trait 的比较返回 0，那么为什么会有这个额外的 “较短的一个” 排序？而且，有什么解决方法还是我必须自己滚动字符串？

#include <cstring>
#include <iostream>

namespace csi{
template<typename T>
struct char_traits : std::char_traits<T>
{
    static int compare(T const*s1, T const*s2, size_t n){
        size_t n1(n);
        while(n1>0&&std::isspace(*s1))
            ++s1, --n1;
        while(n1>0&&std::isspace(s1[n1-1]))
            --n1;
        size_t n2(n);
        while(n2>0&&std::isspace(*s2))
            ++s2, --n2;
        while(n2>0&&std::isspace(s2[n2-1]))
            --n2;
        return strncasecmp(static_cast<char const*>(s1),
                           static_cast<char const*>(s2),
                           std::min(n1,n2));
    }
};
using string = std::basic_string<char,char_traits<char>>;
}

int main()
{
    using namespace csi;
    string s1 = "hello";
    string s2 = " HElLo ";
    std::cout << std::boolalpha
              << "s1==s2" << " " << (s1==s2) << std::endl;
}

Answer 1

将具有多种可能表示形式的数据转换为“标准”或“正常”形式称为规范化。对于文本，它通常意味着删除重音、大小写、修剪空白字符和/或格式字符。

如果在每次比较期间都在后台进行规范化，那么它是脆弱的。例如，您如何测试s1 和s2 是否正确完成？它也很不灵活，例如你不能显示它的结果或缓存它以供下次比较。 因此，将其作为显式规范化步骤更稳健、更高效。

如果 trait 的比较返回 0，为什么会有这个额外的“更短”排序？

特征比较只需要比较n 字符，所以当你比较"hellow" 和"hello" 应该返回什么？它应该返回0。如果您以某种方式忽略 n，您就处于有缺陷的情况，因为这些特征应该与非零终止的 std::string_view 一起使用。如果大小比较被删除，那么 "hellow" 和 "hello" 将比较等于您可能不想要的。

Answer 2

如果 trait 的比较返回 0，为什么会有这个额外的“更短”排序？

basic_string::compare() 就是 defined。

还有，有什么解决方法还是我必须自己滚动字符串？

看来您的自定义char_traits 必须实现：

• length()，返回字符串修剪部分的长度，以及

• move() 和 copy()，用于复制修剪后的部分

---

但是，使用自定义特征无法解决一个潜在问题。 basic_string 有像 basic_string(const CharT* s, size_type count, Allocator& alloc) 这样的构造函数，或者像 assign 或 compare 这样的方法重载，它们采用 C 字符串及其长度 - 在这些情况下，Traits::length() 不会被调用。如果有人使用其中一种方法，则字符串可能包含尾随空格或尝试访问源字符串末尾之外的字符。

要解决这个问题，可以这样做：

class TrimmedString
{
public:
    // expose only "safe" methods:
    void assign(const char* s) { m_str.assign(s); }

private:
    std::basic_sttring<char, CustomTraits> m_str;
};

或者这个（可能更简单）：

class TrimmedString : private std::basic_string<char, CustomTraits>
{
public:
    using BaseClass = std::basic_string<char, CustomTraits>; // for readability

    // make "safe" method public
    using BaseClass::length;
    using BaseClass::size;
    // etc.

    // wrappers for methods with "unsafe" overloads
    void assign(const char* s) { BaseClass::assign(s); }
};