Operacje na polskich znakach C++

Question

Witam, wiem że temat był poruszany mnóstwo razy, ale żaden z przejrzanych przeze mnie wątków nie rozwiązał mojego problemu. Piszę program wyszukujący słowa, które da się ułożyć z podanych liter. Taka wyszukiwarka do gry w scrabble.

Program porównuje znaki wejścia (lista słów) do podanych liter na zwykłym stringu, np.:

if(słowo[1] == tekst[5]) takieSame=true;

W przypadku gdy słowo[1] oraz tekst[5] to takie same znaki, które są literami diakrytycznymi, to program je ignoruje i warunek if-a nie będzie spełniony.

Klasyczne 

setlocale(LC_ALL, "pl_PL");

nie pomaga. Na forum znalazłem coś takiego, jest tam mowa (w ostatniej odpowiedzi) o zmianie modulo z 127 na 255, jednak nie do końca rozumiem co to znaczy, a być może jest to rozwiązanie potrzebne dla mnie. Jeśli tak, to proszę o wytłumaczenie, a jeśli nie to czy istnieje jakiś inny sposób aby to obejść?

Comments

To jest trudny temat. Język C to bardzo stare narzędzie. zasadniczo operuje on jedynie znakami o rozmiarze bajtu. Tam polskie znaki tak ogólnie się nie mieszczą. Dawno temu powstało kilka modyfikacji by tam upchać polskie znaki, ale są one różne. O ile ciągle takie znaki mieszczą się w bajcie to zasadniczo program nie zależy od konkretnej wersji (strony kodowej), musisz jedynie zapewnić by wszystkie dane (słówka, literki, terminal, program źródłowy) pracowały spójnie - tzn w tym samym kodowaniu. Uniwersalnym rozwiązaniem jest przeście na unicode, ale wtedy też nie jest prosto - trzeba używać wchar, wstring itp. Dane zewnętrzne też muszą być w unicode. Być może najnowsze wersje C++ coś tutaj rozwiązały. Stąd twoje problemy.

Answer 1

setlocale(LC_ALL, "pl_PL");

może ustawiać polski język z kodowaniem UTF-8.

U mnie na Gentoo Linux jest plik /etc/locale.gen o następującej zawartości:

en_US ISO-8859-1
en_US.UTF-8 UTF-8
pl_PL ISO-8859-2
pl_PL.UTF-8 UTF-8

Dla "pl_PL" ustawia kodowanie ISO-8859-2, które jest bajtowe, więc podany przez Ciebie przykład porównania powinien dla niego działać. (U Ciebie może być oczywiście inna zawartośc pliku /etc/locale.gen.)

Na Windowsie mógłbyś ustawić tak, jak podane tutaj. Strona kodowa 1250 dla języka polskiego. No i jeśli masz w pliku źródłowym C zapisane znaki, to ten plik powinien być zapisany w tej stronie kodowej.

Comments

Kodowanie 1250 to kodowanie ANSI, ale jeśli słowa do porównania pobiera z konsoli, to tam będzie miał kodowanie OEM - czyli dla pl to cp852.