代码之家  ›  专栏  ›  技术社区  ›  KeatsKelleher

用C语言过滤标点符号的最快方法

  •  4
  • KeatsKelleher  · 技术社区  · 16 年前

    我需要在C语言中快速过滤UTF-8字符串中的标点符号。这些字符串可能很长,而且数量很多。我目前使用的功能似乎非常低效:

    char *filter(char *mystring){
        char *p;
        while ((p = strchr(mystring,'.')) != NULL)
            strcpy(p, p+1);
        while ((p = strchr(mystring,',')) != NULL)
            ...etc etc etc...
        ...etc...
        return mystring;
    }
    

    如您所见,它遍历每个标点符号的字符串。是否有一个简单的库函数可以对所有标点符号有效地完成此任务?

    2 回复  |  直到 16 年前
        1
  •  9
  •   caf    16 年前

    更有效的算法是:

    #include <ctype.h>
    
    char *filter(char *mystring)
    {
        char *in = mystring;
        char *out = mystring;
    
        do {
            if (!ispunct(*in))
                *out++ = *in;
        } while (*in++);
    
        return mystring;
    }
    

    但它不是UTF-8特定的,而是当前的语言环境。(你的原稿也不是UTF-8专用的)。

    如果你想成为UTF-8,你可以替换 ispunct() 一个需要 char * 并确定它是否以一个(可能是多字节的)UTF-8字符开始,这个字符是某种标点符号(并用 in 而不是 *in ).

        2
  •  1
  •   tchrist    16 年前

    ICU库具有C绑定,并包含一个正确处理Unicode的regex库 \pP 标点符号。

    推荐文章