如何比较 ICU 迭代器值?

How to compare ICU iterators values?

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应该规范化比较,而所有的 ICU colls 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。 我不喜欢预归一化的想法,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)

我不得不为 UTF-8 ICU 字符串切换到 U8_* 宏。 使用 U8_NEXT

移动偏移量
U8_NEXT((uint8_t *)string, string_offset, string_size, status);

和这样比较

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,通过第一个代码点 U8_LENGTH 计算单个字母的长度(而不是偏移量或字符串的一部分)。 更多信息请点击这里 https://unicode-org.github.io/icu-docs/apidoc/released/icu4c/utf8_8h.html