提升正则表达式:[:alpha:]和重音字符

Question

我试图" "使用Boost 替换字符串中的每个非alpha字符:

std::string sanitize(std::string &str)
{
    boost::regex re;
    re.imbue(std::locale("fr_FR.UTF-8"));
    re.assign("[^[:alpha:]]");
    str = boost::regex_replace(str, re, " ");
    return str;
}


int main ()
{
    std::string test = "(ça) /.2424,@ va très bien ?";
    cout << sanitize(test) << endl;
    return 0;
}

结果是,a va tr s bien但我想得到ça va très bien.

我错过了什么？

Answer 1

boost::regex::imbue不会做你想要的东西 - 特别是,它不会使boost :: regex与UTF-8一起工作.(你也许可以让它以这种方式工作与ISO 8859-1或类似的单字节字符编码,但似乎并没有被你想要的这里).

对于UTF-8支持,您将需要使用一个处理Unicode的boost :: regex类 - 请参阅http://www.boost.org/doc/libs/1_55_0/libs/regex/doc/html/ boost_regex/unicode.html.

这是一些我认为你想做的代码:

#include <string>
#include <boost/regex/icu.hpp>

std::string sanitize(std::string &str)
{
    boost::u32regex re = boost::make_u32regex("[^[:alpha:]]");
    str = boost::u32regex_replace(str, re, " ");
    return str;
}


int main ()
{
    std::string test = "(ça) /.2424,@ va très bien ?";
    std::cout << test << "\n" << sanitize(test) << std::endl;
    return 0;
}

有关更多示例,请参阅http://www.boost.org/doc/libs/1_55_0/libs/regex/doc/html/boost_regex/ref/non_std_strings/icu/unicode_algo.html.