Haskell,Char,Unicode和土耳其语

Question

对于Char数据类型,如何指定我想将土耳其语i而不是英语i用于toLower和toUpper函数？

Answer 1

文本和text-icu包

截至2011年,您最好的选择是使用文本包,以及Text ICU包的toLower功能,它支持由语言环境参数化的操作,Char

从这个例子:

import Data.Text (pack, unpack)
import Data.Text.ICU (LocaleName(Locale), toLower)

main = do
  let trLocale = Locale "tr-TR"
      upStr    = "ÇI??Ö?Ü"
      lowStr   = unpack $ toLower trLocale $ pack upStr
  putStrLn $ "toLower " ++ upStr ++ " gives " ++ lowStr

运行这个:

> toLower ÇI??Ö?Ü gives ç?i?ö?ü

虽然此示例在两者之间进行转换String,但您也可以将数据保留为text格式.

Answer 2

Data.CharHaskell中的库不依赖于语言环境.它适用于所有Unicode字符,但可能不是您期望的方式.在相应的Unicode图表中,您可以看到"dotted"/"dotless"i的映射.

• toUpper 'i' => 'I'
• toUpper '?' => 'I'
• toLower 'I' => 'i'
• toLower '?' => 'i'

因此,很明显两个变换都不是可逆的.如果你想要对土耳其字符进行可逆处理,你似乎必须使用C库或自己动手.

更新:该哈斯克尔98报告使得这个很清楚,而哈斯克尔2010年报告只是说Char相当于Unicode字符,并且不为明确界定的语义toLower和toUpper.

Answer 3

一个简单的编程问题:

import qualified Data.Char as Char

toLower 'I' = '?'
toLower x   = Char.toLower x

然后

toLower <$> "I AM LOWERCASE" == "? am lowercase"