Ist der strcasecmp-Algorithmus fehlerhaft?

Ich versuche, die strcasecmpFunktion in C erneut zu implementieren, und habe festgestellt, dass der Vergleichsprozess inkonsistent ist.

Von man strcmp

Die Funktion strcmp () vergleicht die beiden Zeichenfolgen s1 und s2. Das Gebietsschema wird nicht berücksichtigt (für einen Gebietsschema-fähigen Vergleich siehe strcoll (3)). Es gibt eine Ganzzahl zurück, die kleiner, gleich oder größer als Null ist, wenn festgestellt wird, dass s1 kleiner als, übereinstimmend oder größer als s2 ist.

Von man strcasecmp

Die Funktion strcasecmp () führt einen byteweisen Vergleich der Zeichenfolgen s1 und s2 durch, wobei die Groß- und Kleinschreibung der Zeichen ignoriert wird. Es gibt eine Ganzzahl zurück, die kleiner, gleich oder größer als Null ist, wenn festgestellt wird, dass s1 kleiner als, übereinstimmend oder größer als s2 ist.

int strcmp(const char *s1, const char *s2);
int strcasecmp(const char *s1, const char *s2);

Angesichts dieser Informationen verstehe ich das Ergebnis des folgenden Codes nicht:

#include <stdio.h>
#include <string.h>

int main()
{
    // ASCII values
    // 'A' = 65
    // '_' = 95
    // 'a' = 97

    printf("%i\n", strcmp("A", "_"));
    printf("%i\n", strcmp("a", "_"));
    printf("%i\n", strcasecmp("A", "_"));
    printf("%i\n", strcasecmp("a", "_"));
    return 0;
}

Ausgabe:

-1  # "A" is less than "_"
1   # "a" is more than "_"
2   # "A" is more than "_" with strcasecmp ???
2   # "a" is more than "_" with strcasecmp

Wenn das aktuelle Zeichen in s1ein Buchstabe ist, wird es anscheinend immer in Kleinbuchstaben umgewandelt, unabhängig davon, ob das aktuelle Zeichen in s2ein Buchstabe ist oder nicht.

Kann jemand dieses Verhalten erklären? Sollten die erste und dritte Zeile nicht identisch sein?

Vielen Dank im Voraus!

PS:
Ich benutze gcc 9.2.0auf Manjaro.
Wenn ich mit dem -fno-builtinFlag kompiliere, bekomme ich stattdessen:

-30
2
2
2

Ich denke, das liegt daran, dass das Programm die optimierten Funktionen von gcc nicht verwendet, aber die Frage bleibt.

Das Verhalten ist korrekt.

Gemäß der POSIX- str\[n\]casecmp()Spezifikation :

Wenn die LC_CTYPEKategorie des verwendeten Gebietsschemas aus dem POSIX-Gebietsschema stammt, verhalten sich diese Funktionen so, als ob die Zeichenfolgen in Kleinbuchstaben konvertiert und anschließend ein Byte-Vergleich durchgeführt worden wäre. Andernfalls sind die Ergebnisse nicht spezifiziert.

Das ist auch ein Teil der NOTES Abschnitt des Linux - man - Seite :

Der POSIX.1-2008-Standard schreibt folgende Funktionen vor:

Wenn die Kategorie LC_CTYPE des verwendeten Gebietsschemas aus dem Gebietsschema POSIX stammt, verhalten sich diese Funktionen so, als ob die Zeichenfolgen in Kleinbuchstaben konvertiert und anschließend ein Byte-Vergleich durchgeführt worden wäre. Andernfalls sind die Ergebnisse nicht spezifiziert.

Warum?

Wie @HansOlsson in seiner Antwort hervorhob,strcmp() würde es die Sortierung unterbrechen , wenn nur Vergleiche zwischen Buchstaben ohne Berücksichtigung der Groß- und Kleinschreibung vorgenommen würden und alle anderen Vergleiche ihre "natürlichen" Ergebnisse wie in erhalten würden.

Wenn 'A' == 'a'(die Definition eines Vergleichs ohne Berücksichtigung der Groß- und Kleinschreibung) dann '_' > 'A'und '_' < 'a'(das "natürliche" Ergebnis im ASCII-Zeichensatz) nicht beide wahr sein können.

Andere Links, http://man7.org/linux/man-pages/man3/strcasecmp.3p.html für strcasecmp, besagen, dass die Konvertierung in Kleinbuchstaben das richtige Verhalten ist (zumindest im POSIX-Gebietsschema).

Der Grund für dieses Verhalten ist, dass wenn Sie strcasecmp zum Sortieren eines Arrays von Zeichenfolgen verwenden, dies erforderlich ist, um angemessene Ergebnisse zu erzielen.

Andernfalls hängt das Ergebnis von der Reihenfolge der Vergleiche ab, wenn Sie versuchen, "A", "C", "_", "b" mit z. B. qsort zu sortieren.

Wenn das aktuelle Zeichen in s1 ein Buchstabe ist, wird es anscheinend immer in Kleinbuchstaben umgewandelt, unabhängig davon, ob das aktuelle Zeichen in s2 ein Buchstabe ist oder nicht.

Das ist richtig - und genau das sollte die strcasecmp()Funktion tun! Es ist eine Funktion und nicht Teil des Standards, sondern aus den " The Open Group Base Specifications, Ausgabe 6 ":POSIXC

Im POSIX-Gebietsschema verhalten sich strcasecmp () und strncasecmp () so, als ob die Zeichenfolgen in Kleinbuchstaben konvertiert und anschließend ein Byte-Vergleich durchgeführt worden wären. Die Ergebnisse sind in anderen Regionen nicht angegeben.

Dieses Verhalten ist übrigens auch für die _stricmp()Funktion relevant (wie in Visual Studio / MSCV verwendet):

Die Funktion _stricmp vergleicht normalerweise string1 und string2, nachdem jedes Zeichen in Kleinbuchstaben konvertiert wurde, und gibt einen Wert zurück, der ihre Beziehung angibt.

Der ASCII-Dezimalcode für Ais 65for _is 95und for ais macht 97also strcmp()das, was er tun soll. Lexikographisch gesehen _ist dann kleiner aund größer als A.

strcasecmp()wird Aals a* betrachtet, und da agrößer als _die Ausgabe ist auch korrekt.

* Der POSIX.1-2008-Standard schreibt über diese Funktionen (strcasecmp () und strncasecmp ()) vor:

Wenn die Kategorie LC_CTYPE des verwendeten Gebietsschemas aus dem Gebietsschema POSIX stammt, verhalten sich diese Funktionen so, als ob die Zeichenfolgen in Kleinbuchstaben konvertiert und anschließend ein Byte-Vergleich durchgeführt worden wäre. Andernfalls sind die Ergebnisse nicht spezifiziert.

Quelle: http://man7.org/linux/man-pages/man3/strcasecmp.3.html