在调用 toupper()、tolower() 等之前，我是否需要转换为 unsigned char？

Question

不久前，在 Stack Overflow 上享有盛誉的人在评论中写道，在调用 std::toupper 和 std::tolower（以及类似函数）之前，有必要将 char-argument 转换为 unsigned char。

另一方面，Bjarne Stroustrup 在C++ 编程语言中没有提到这样做的必要性。他只是使用toupperlike

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。）

The reference 表示输入需要可以表示为unsigned char。 对我来说，这听起来似乎适用于每个char，因为char 和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++ manual 提到输入字符必须来自basic source character set，但不强制转换。我想@Keith Thompson 的回复已经涵盖了这一点，他们都有一个积极的表示为signed char 和unsigned char？

Answer 1

是的，toupper 的参数需要转换为 unsigned char 以避免未定义行为的风险。

char、signed char 和 unsigned char 类型是三种不同的类型。 char 与 either signed char 或 unsigned char 具有相同的范围和表示。 （普通的char 是非常常用的有符号并且能够表示-128..+127 范围内的值。）

toupper 函数接受 int 参数并返回 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 int，其值应为 可表示为 unsigned char 或应等于 宏 EOF 。如果参数有任何其他值，则 行为未定义。

（C++ 包含了大部分 C 标准库，并将其定义推迟到 C 标准。）

std::string 上的[] 索引运算符返回对char 的引用。如果plain char 是有符号类型，而name[0] 的值恰好是负数，那么表达式

toupper(name[0])

有未定义的行为。

语言保证，即使简单的char 被签名，基本字符集的所有成员都具有非负值，所以在初始化时

string name = "Niels Stroustrup";

该程序不会冒未定义行为的风险。但是是的，一般来说，传递给toupper（或<cctype>/<ctype.h> 中声明的任何函数）的char 值需要转换为unsigned char，以便隐式转换为int不会产生负值并导致未定义的行为。

<ctype.h> 函数通常使用查找表来实现。比如：

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

可能会超出该表的范围。

注意转换成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-2 转换为unsigned 会产生4294967294。然后将其隐式转换为int（参数类型），可能产生-2。

toupper 可以被实现，因此它对负值的行为是明智的（接受从CHAR_MIN 到UCHAR_MAX 的所有值），但不是必须这样做。此外，<ctype.h> 中的函数需要接受值为EOF 的参数，通常为-1。

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

Answer 2

引用指的是值 representable 作为 unsigned char，而不是 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EOF，这基本上是它使用int 而不是char 的原因。）

Answer 3

在 C 中，toupper（和许多其他函数）采用 ints，即使您希望它们采用 chars。此外，char 在某些平台上已签名，而在其他平台上未签名。

在调用toupper 之前转换为unsigned char 的建议对于C 是正确的。我认为C++ 中不需要它，只要你传递一个在范围内的int。我找不到任何特定于 C++ 中是否需要它的信息。

如果您想回避这个问题，请使用toupper defined in <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。如果您不知道选择哪种语言环境，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;
}

Answer 4

可悲的是，Stroustrup 粗心了 :-(
是的，拉丁字母代码应该是非负数（并且不需要强制转换）...
某些实现无需转换为无符号字符即可正常工作...
根据一些经验，找到此类 toupper 的段错误的原因可能需要几个小时（当已知存在段错误时）...
还有isupper、islower等

Answer 5

您可以将函数转换为函数，而不是将参数转换为 unsigned char。您将需要包含 functional 标头。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。