c - 如何检查 UTF-8 字符串是否以 'a' 开头

Question

我有一个以 null 结尾的 const char* 形式给出的 UTF-8 字符串。我想知道这个字符串的第一个字母本身是否是一个a。以下代码

bool f(const char* s) {
  return s[0] == 'a';
}

是错误的，因为字符串的第一个字母(字素簇)可能是 à - 由 2 个 unicode 标量值组成:a 和 `。所以这个非常简单的问题似乎很难回答，除非你知道字素簇是如何形成的。

尽管如此，许多库都会解析 UTF-8 文件(例如 YAML 文件)，因此应该能够回答此类问题。但是这些库似乎并不依赖于 Unicode 库。

所以我的问题是:

• 如何编写代码来检查字符串是否以字母 a 开头？

• 假设第一个问题没有简单的答案，解析器(例如 YAML 解析器)如何在无法回答此类问题的情况下解析文件？

Answer 1

根本没关系。

考虑:这个字符串是有效的 JSON 吗？

"̀"

(这是字节序列22 cc 80 22。)

你似乎在争论它不是:因为 JSON 字符串应该以 " (QUOTATION MARK) 开头，但它以 "̀ (QUOTATION MARK +结合重音)。

唯一合理的回答是您在错误的层次上思考:文本序列化是根据代码点定义的。字素簇仅用于处理自然语言和编辑文本。

这当然被认为是有效的 JSON。

>>> json.loads(bytes.fromhex('22cc8022'))
'̀'