strcmp(）和strcoll(）之间有什么区别

What is the difference between strcmp() and strcoll()?

本文关键字：什么 区别 strcoll strcmp 之间      更新时间：2023-10-16

我试着理解它们，但除了strcoll()之外，我没有发现任何差异，这个参考文献说它是

根据LC_COLLATE类别定义的当前区域设置比较两个以null结尾的字符串。

转念一想，我知道我在问另一个问题来获得详细的答案，对于C和C++来说，这个语言环境到底是什么？

strcmp()逐个获取字符串的字节，并按字节数进行比较。

strcoll()获取字节，使用区域设置对其进行转换，然后比较结果。转换根据语言重新排序。在法语中，重音字母在非重音字母之后。所以é在e之后。但是，é在f之前。strcoll()做对了。CCD_ 5不太好。

但是，在许多情况下，strcmp()就足够了，因为您不需要显示按使用的语言(区域设置(排序的结果。例如，如果您只需要快速访问由字符串索引的大量数据，则可以使用由该字符串索引的映射。使用通常非常慢的strcoll()(至少与strcmp()相比(对那些进行排序可能是完全无用的

有关字符的详细信息，您可能还想查看Unicode网站。

就语言环境而言。默认情况下，它被设置为"C"(或多或少，没有区域设置(。一旦您选择了一个位置，就会相应地设置区域设置。您还可以设置LC_LOCALE环境变量。实际上有很多这样的变量。但通常情况下，您使用预定义的函数，这些函数会自动考虑这些变量，并为您做正确的事情。(即格式化日期/时间、格式化数字/度量值、计算大小写等(

由于某种原因，在我测试的所有unicode语言环境中，在几个不同版本的glibc上，strcoll((对任何两个平假名都返回零。这打破了sort、uniq以及以某种方式与字符串顺序交互的所有内容。

$echo-e-n'い\nろ\nは\nに\nほ\nへ\nと\n'|sort|uniq

い

它只是坏得无法修复。来自世界不同地方的人可能对是否い'应放在"之前或之后ろ',但没有一个理智的人会认为他们是一样的。

不，将您的语言环境设置为日语并不重要：

$LC_ALL=ja_JP.utf8 LANG=ja_JPEG.utf8 LC_COLLATE=ja_JP.utf8 echo-e-n'い\nろ\nは\nに\nほ\nへ\nと\n'|sort|uniq

い

在一些官方邮件列表中有过讨论，但你猜怎么着，那是在2002年，因为人们不在乎，所以它从未被修复：https://www.mail-archive.com/linux-utf8@nl.linux.org/msg02658.html

这个错误在某一天发生在我们身上，最终我们唯一的出路就是将校勘地点设置为"；C"；并且依赖于utf-8编码的良好特性。这是一次可怕的经历，因为一个人不应该真正在"；C"；处理所有日语数据时的语言环境。

所以为了你的理智，不要直接使用strcoll。一个更安全的变体可能是：

int safe_strcoll(const char *a, const char *b)
{
  int ret = strcoll(a, b);
  if (ret != 0) return ret;
  return strcmp(a, b);
}

万一strcoll((决定搞砸你。。。

编辑：我只是出于好奇重复了这个实验，我目前的系统(glibc 2.29(现在运行起来没有问题。当地语言也不重要。

相关文章：