C++ pcre2 UTF32的使用

我刚刚花了一些时间研究了pcre2接口，并且认为我已经掌握了它的大部分内容。我想支持UTF32，pcre2已经建立了支持和代码点宽度已设置为32

下面的代码是我将代码点宽度设置为8时得到的代码。 如何将其更改为与UTF32一起使用

#include "gtest/gtest.h"
#include <pcre2.h>

TEST(PCRE2, example) {
//iterate over all matches in a string
  PCRE2_SPTR subject = (PCRE2_SPTR) string("this is it").c_str();
  PCRE2_SPTR pattern = (PCRE2_SPTR) string("([a-z]+)|\\s").c_str();
  int errorcode;
  PCRE2_SIZE erroroffset;
  pcre2_code *re = pcre2_compile(pattern, PCRE2_ZERO_TERMINATED, PCRE2_ANCHORED | PCRE2_UTF, &errorcode,
                                 &erroroffset, NULL);
  if (re) {
    uint32_t groupcount = 0;
    pcre2_pattern_info(re, PCRE2_INFO_BACKREFMAX, &groupcount);
    pcre2_match_data *match_data = pcre2_match_data_create_from_pattern(re, NULL);
    uint32_t options_exec = PCRE2_NOTEMPTY;
    PCRE2_SIZE subjectlen = strlen((const char *) subject);
    errorcode = pcre2_match(re, subject, subjectlen, 0, options_exec, match_data, NULL);
    while (errorcode >= 0) {
      PCRE2_UCHAR *result;
      PCRE2_SIZE resultlen;
      for (int i = 0; i <= groupcount; i++) {
        pcre2_substring_get_bynumber(match_data, i, &result, &resultlen);
        printf("Matched:%.*s\n", (int) resultlen, (const char *) result);
        pcre2_substring_free(result);
      }
      // Advance through subject
      PCRE2_SIZE *ovector = pcre2_get_ovector_pointer(match_data);
      errorcode = pcre2_match(re, subject, subjectlen, ovector[1], options_exec, match_data, NULL);
    }
    pcre2_match_data_free(match_data);
    pcre2_code_free(re);
  } else {
    // Syntax error in the regular expression at erroroffset
    PCRE2_UCHAR error[256];
    pcre2_get_error_message(errorcode, error, sizeof(error));
    printf("PCRE2 compilation failed at offset %d: %s\n", (int) erroroffset, (char *) error);
  }

#包括“gtest/gtest.h”
#包括
测试（PCRE2，示例）{
//迭代字符串中的所有匹配项
PCRE2_SPTR subject=（PCRE2_SPTR）字符串（“就是它”）.c_str（）；
PCRE2_SPTR模式=（PCRE2_SPTR）字符串（（[a-z]+）|\\s”）.c_str（）；
国际误码；
PCRE2_尺寸误差补偿；
pcre2_代码*re=pcre2_编译（模式、pcre2_零终止、pcre2_锚定、pcre2_UTF和错误代码，
&erroroffset，NULL）；
如果（re）{
uint32\u t groupcount=0；
pcre2_模式_信息（re、pcre2_信息_BACKREFMAX和groupcount）；
pcre2_match_data*match_data=pcre2_match_data_create_from_pattern（re，NULL）；
uint32\u t options\u exec=PCRE2\u NOTEMPTY；
PCRE2_SIZE subject len=strlen（（常量字符*）subject）；
errorcode=pcre2\u匹配（re，subject，subjectlen，0，options\u exec，match\u data，NULL）；
而（错误代码>=0）{
PCRE2_UCHAR*结果；
PCRE2_尺寸结果；
对于（int i=0；i我最终离开了pcre2，在评估了RE2、pcre2和ICU之后，我选择了ICU。它的unicode支持（从我目前看到的情况来看）它比其他两个更完整。它还提供了一个非常干净的API和许多用于操作的实用程序。重要的是，像PCRE2一样，它提供了一个perl风格的正则表达式引擎，它在unicode上可以立即运行。
如果您正确设置代码宽度，这可能是个问题：
（PCRE2_SPTR）字符串（“就是它”）.c_str（）；

将c_str（）转换为PCRE2_SPTR不会使字符串utf32

如果您不确定设置正确的代码宽度（我在您的密码中没有看到），您可以通过在所有内容中添加32个后缀来强制设置32位，例如
pcre2\u compile\u 32
，这取决于您要使用的字符类型和目标系统

std:：string
的基本单位是
char
，通常为8位，支持UTF-8（根据实现/系统的不同而有所不同）。因此，在此类系统中处理UTF-32时，不能使用
std:：string（“某些字符串”）
和此类代码

PCRE2\u code\u UNIT\u WIDTH
必须与要使用的基本字符单元的位大小相匹配。对于8位
char
应将其定义为8，对于16位
char
应将其定义为16等

在GNU/Linux中，您可以使用
wchar\u t
即
std:：wstring
，它是32位且支持UTF-32。在windows中
wchar\u t
是16位（带有UTF-16）

在
=C++11
中，您可以使用
char32\u t
即
std:：u32string
，它至少是32位（您必须确保它在目标系统中正好是32位）

我在C++中有一个pCRE2，它包含了一些关于如何处理UTF-16和UTF-32模式的例子。
可以通过UpEX引擎显式地改变Unicode模式，通过指令的“代码> >（*UTF32）< /Code >（或<代码>（*UTF16）< /Code >或<代码>（*UTF8）< /代码>），通过ReX引擎看到输入字符串。在模式的一开始（在模式本身内部）。pcre2文档中确实没有关于这些指令的内容（但您应该进行测试）。但是
（*UTF）
似乎是为了设置目标字符串的相关模式而设计的。（并且是在pcre2文档中：）您所说的Perl风格？
（*SKIP）
（回溯控制），
（？（DEFINE））
（子模式）、
\g
（递归）、
（？（？=）|）
（条件）等等都不受支持。如果这对你来说没问题，那么一切都很好，但你应该知道巨大的功能差异。嗯，对我来说最重要的是（消极的）前瞻断言，ICU确实有。所以我可以做
（？！1234）\d{4}
，为我找到3个不是1234的数字。