文字列の大文字小文字処理

実は結構厄介な問題を抱えている。

文字列の大文字小文字の判定・変換・ソート順にはロケールが影響するケースがある。(要注意)

ニュートラルやCロケールにすることで、この問題を避けることができる。

C/C++ の場合 setlocale を実行しなければCロケールであることが保証されている。

先に toupper, tolower を使っていて、後からロケール対応で setlocale を入れるなどするとハマる。

API によっては、ASCII の範囲外まで大文字小文字の変換がかかる。(多くの人には想定外の動作となる。)

ASCII と EBCDIC などとはコード体系が異なるので、対応する文字を演算で求めようとする場合は要注意。

C

table:C

isupper int(実質char) ロケール影響あり(LC_CTYPE)

islower int(実質char) ロケール影響あり(LC_CTYPE)

toupper int(実質char) ロケール影響あり(LC_CTYPE)

tolower int(実質char) ロケール影響あり(LC_CTYPE)

_toupper int(実質char) ロケール影響なし(ASCIIのみ、判断済みのみ) マクロ

_tolower int(実質char) ロケール影響なし(ASCIIのみ、判断済みのみ) マクロ

towupper wint_t(実質wchar_t) ロケール影響あり(LC_CTYPE)

towlower wint_t(実質wchar_t) ロケール影響あり(LC_CTYPE)

setlocale をしない限りは、"C"ロケールで動作する。(要注意)

文字列に対する tolower, toupper 相当のものがない。ループで1文字ずつ変換する必要がある。

_toupper は'a'～'z'の文字のみにしか使えない。(事前に islower で判断が必要)

isupper の実装

どちらが早いのかはパフォーマンス測定しないとハッキリしない。

Java

table:Java

String toUpperCase() ロケール影響あり

String toLowerCase() ロケール影響あり

String toUpperCase(Locale.ROOT) ロケール影響なし

String toLowerCase(Locale.ROOT) ロケール影響なし

JavaScript

ES5以降

table:javascript

String.prototype.toUpperCase 大文字化 環境依存(toLocaleUpperCase が定義されていればロケール影響なし)

String.prototype.toLowerCase 小文字化 環境依存(toLocaleLowerCase が定義されていればロケール影響なし)

String.prototype.toLocaleUpperCase 大文字化 ロケール指定がなければロケール影響あり

String.prototype.toLocaleLowerCase 小文字化 ロケール指定がなければロケール影響あり

toUpperCase, toLowerCase でロケール影響なしの場合、Unicode Character Database のマッピングに従う。

.NET

table:.NET

String.ToUpperInvariant ロケール影響なし

String.ToLowerInvariant ロケール影響なし

String.ToUpper ロケール影響あり

String.ToLower ロケール影響あり

CaltureInfo で InvariantCulture を指定する方法がある。

table:VB/VBA

UCase 文字列を大文字化する

LCase 文字列を小文字化する

参考

Unicode Character Database