C++ における全角文字の文字列比較

Question

文字列をchar配列に格納し、文字列比較を行おうとしているのですが、半角英数の場合正しく比較が行えるのに対し、全角文字の場合正しく比較が行えず困っております。
文字コードはutf-8をしております。
半角英数が1バイトで表現されるのに対し、全角文字が3バイトで表現されるのがネックとなっているのでしょうか？
よろしくお願い申し上げます。

Comments

[Zuishin]

どうなれば正しく比較したことになりますか？また現状のコードを挙げて下さい。

Answer 1

こんにちは。

普通に比較できるはずです。本当に文字コードはUTF-8になってますか？

#include<iostream>
#include<string>

int main()
{
    std::string str(u8"テ12ス34ト");
    if (str == u8"テ12ス34ト")
    {
        std::cout << "match!\n";
    }
}

---

【蛇足ですが】
うまくいかない原因を質問したい時は、①やったこと、②期待する動作、③実際の動作
を誤解の余地無く提示すると的確な回答を得やすいですよ。

---

【追記】
あ、char配列でしたね。
お手軽比較ですが、下記のようにすれば一致するし、異なるなら不一致になります。

#include<iostream>
#include<string>

int main()
{
    char a[]=u8"テ12ス34ト";
    char b[]=u8"テ12ス34ト";
    char c[]=u8"て12す34と";
    if (std::string(a) == b)
    {
        std::cout << "match!\n";
    }
    if (std::string(a) != c)
    {
        std::cout << "unmatch!\n";
    }
}

wandboxにコードを置きました。

（マイナスつけた方。これでOKですか？　異なるなら何がマイナスか言って頂けると幸いです。)

Comments

[MasahikoHirata]

Chironianさんの回答は的確と思いますが。
このサイト、回答するの躊躇するよね。。
思考過程を理解しないと。
質問者の助けになる回答では？
私は高評価を付けます。

[Chironian]

MasahikoHirataさん。賛同ありがとうございます。

マイナス評価も意味が分かる時はありがたいのですが、分からない時は本当に頭痛いですね。匿名で理由を書けるようになるとよいのにな。

[King_of_Flies]

私も、マイナス分をチャラにするために高評価を差し上げましょう・・・。

[Chironian]

takkoさん。ありがとう。
takkoさんのいつも通りの基準で評価して頂けるとありがたいです。

Answer 2

比較というのは辞書順でどちらが大きいかということでしょうか。 UTF-8 の一文字は可変長なので、バイト単位で比較すればもちろんおかしなことになります。

UTF-8 の仕組みは簡単なので先頭から一文字取り出して比較するということを繰返すのはそんなに難しいことではありませんが、 C++ 的には入力の段階で std::wstring に変換してしまってあとは一貫して std::wstring のままで扱う (出力が必要な場合はそのときにあらためて変換する) のが簡単なやり方であろうと思います。 使っている C++ 処理系が C++11 に対応しているのであれば wstring_convert という変換機が使えるのでこれを使うといいでしょう。

ちなみに、全角・半角 (Fullwidth/Halfwidth) というのは Unicode 的には文字の形 (form) の種類を表すものであって表現に必要なバイト数のことではありません。 実際に2バイト以上の半角文字は存在します。

Comments

[Chironian]

一致か不一致を判断する分には通常はバイト単位で十分ですよ。
厳密な話はキリがないので割愛。

【追記】
あああ、ごめんなさい。辞書順での大小比較の話をかかれているのですね。その場合はおっしゃる通りバイト比較は無理すね。

Answer 3

std::string utf8_to_multi_cppapi(std::string const& src)
{
    auto const wide = utf8_to_wide_cppapi(src);
    return wide_to_multi_capi(wide);
}

こちらを用いて
一度Shift-jisに変換してから比較してみてはいかがでしょうか？