c++ - 如何在C++中通过PEGTL的属性/标识符定义unicode范围

使用PEGTL(https://github.com/taocpp/PEGTL)，这是一个基于模板的C++ 11仅限 header 的PEG库，我可以这样定义Unicode字符的范围:

utf8::range //所有UTF8字符

utf8::range // UTF8 0x41-0x5A [A-Z]和0x61-0x7A [a-z]

现在，使用UTF8，可以使用此属性分类(https://en.wikipedia.org/wiki/Unicode_character_property#General_Category)进行类似[:Lu:]或[:ID_Start:]的操作，并获得一组字符/范围。

现在，由于我正在使用c++模板，因此在编译时需要这些范围。我认为我有以下选择:

发现PEGTL本身可以查找[:ID_Start:]或[:Lu:]

查找一个c++预处理程序库，该库允许在编译时进行此类查询

获取一个应用程序/在线服务，我可以在其中执行那些查询并获取范围(如上所示)，然后可以将其粘贴到我的代码中。

这也代表了我更喜欢的解决方案的顺序。

最佳答案

PEGTL使用规则来匹配字符，而不返回字符集。如果您想将字符与某些Unicode字符属性进行匹配，则可以创建custom rule并在某些Unicode库的帮助下实现它，例如ICU。它提供了测试代码点各种属性的方法，请参见this link。

这是一个完整的示例程序:

#include <iomanip>
#include <iostream>

#include <unicode/uchar.h>

#include <tao/pegtl.hpp>

using namespace tao::TAO_PEGTL_NAMESPACE;  // NOLINT

namespace test
{
   template< UProperty P >
   struct icu_has_binary_property
   {
      using analyze_t = analysis::generic< analysis::rule_type::ANY >;

      template< typename Input >
      static bool match( Input& in )
      {
         // this assumes the input is UTF8, adapt as necessary
         const auto r = internal::peek_utf8::peek( in );
         // if a code point is available, the size is >0
         if( r.size != 0 ) {
            // check the property
            if( u_hasBinaryProperty( r.data, P ) ) {
               // if it matches, consume the character
               in.bump( r.size );
               return true;
            }
         }
         return false;
      }
   };

   using icu_lower = icu_has_binary_property< UCHAR_LOWERCASE >;
   using icu_upper = icu_has_binary_property< UCHAR_UPPERCASE >;

   // clang-format off
   struct grammar : seq< icu_upper, plus< icu_lower >, eof > {};
   // clang-format on
}

int main( int argc, char** argv )
{
   for( int i = 1; i < argc; ++i ) {
      argv_input<> in( argv, i );
      std::cout << argv[ i ] << " matches: " << std::boolalpha << parse< test::grammar >( in ) << std::endl;
   }
}

现在，我可以编译并运行它:

$ g++ -std=c++11 -pedantic -Wall -Wextra -Werror -O3 -Ipegtl/include icu.cpp -licuuc -licudata -o icu
$ ./icu Ďánîel DánÎel
Ďánîel matches: true
DánÎel matches: false
$

编辑:我已经将ICU rules(很多)添加到了PEGTL中。由于它们需要ICU(外部依赖项)，因此将它们放在contrib -section中。