c++：如何从字符串中删除代理项 unicode 值？

Question

如何从 C++ 中的 std::string 中删除代理值？寻找这样的正则表达式：

string pattern = u8"[\uD800-\uDFFF]";
regex regx(pattern);
name = regex_replace(name, regx, "_");

如何在 C++ 多平台项目（例如 cmake）中做到这一点。

Answer 1

首先，您不能将 UTF-16 代理存储在 std::string（基于char）中，您需要 std::u16string（基于char16_t） )，或 std::wstring（基于 wchar_t）仅 Windows。 Javascript 字符串是 UTF-16 字符串。

对于那些字符串类型，您可以使用：

std::remove_if() + std::basic_string::erase():

#include <string>
#include <algorithm>

std::u16string str; // or std::wstring on Windows
...
str.erase(
    std::remove_if(str.begin(), str.end(),
        [](char16_t ch){ return (ch >= 0xd800) && (ch <= 0xdfff); }
    ),
    str.end()
);

std::erase_if()（仅限 C++20 及更高版本）：

#include <string>

std::u16string str; // or std::wstring on Windows
...
std::erase_if(str,
    [](char16_t ch){ return (ch >= 0xd800) && (ch <= 0xdfff); }
);

更新：您编辑了问题以更改其语义。最初，您问的是如何删除代理人，现在您问的是如何替换代理人。您可以使用 std::replace_if() 完成该任务，例如：

#include <string>
#include <algorithm>

std::u16string str; // or std::wstring on Windows
...
std::replace_if(str.begin(), str.end(),
    [](char16_t ch){ return (ch >= 0xd800) && (ch <= 0xdfff); },
    u'_'
);

或者，如果你真的想要regex-based的方法，你可以使用std::regex_replace()，例如：

#include <string>
#include <regex>

std::wstring str; // std::basic_regex does not support char16_t strings!
...
std::wstring newstr = std::regex_replace(
    str,
    std::wregex(L"[\uD800-\uDFFF]"),
    L"_"
);

c++：如何从字符串中删除代理项 unicode 值？

c++: how to remove surrogate unicode values from string?

c++

unicode

surrogate-pairs

replaceall