Чи недолік алгоритму strcasecmp?

Я намагаюся повторно реалізувати strcasecmpфункцію в C, і я помітив, що виявляється невідповідністю в процесі порівняння.

З man strcmp

Функція strcmp () порівнює два рядки s1 і s2. Локал не враховується (для порівняння, яке відомо про локали, див. Strcoll (3)). Він повертає ціле число, менше, рівне або більше нуля, якщо виявлено, що s1, відповідно, менше, щоб збігатися, або більше, ніж s2.

З man strcasecmp

Функція strcasecmp () виконує байт-байтове порівняння рядків s1 і s2, ігноруючи регістр символів. Він повертає ціле число, менше, рівне або більше нуля, якщо виявлено, що s1, відповідно, менше, щоб збігатися, або більше, ніж s2.

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

Враховуючи цю інформацію, я не розумію результату наступного коду:

#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;
}

Вихід:

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

Виявляється, якщо поточний символ у s1букві, він завжди перетворюється на малі регістри, незалежно від того, чи є поточний символ у s2букві чи ні.

Чи може хтось пояснити таку поведінку? Чи не повинні перший і третій рядки бути однаковими?

Заздалегідь спасибі!

PS:
Я використовую gcc 9.2.0Manjaro.
Крім того, коли я компілюю з -fno-builtinпрапором, я отримую натомість:

-30
2
2
2

Я думаю, це тому, що програма не використовує оптимізовані функції gcc, але питання залишається.

Поведінка правильна.

Відповідно до str\[n\]casecmp()специфікації POSIX :

Коли LC_CTYPEкатегорія використовуваного локалу походить з локалі POSIX, ці функції поводяться так, ніби рядки були перетворені в малі регістри, а потім виконується порівняння байтів. В іншому випадку результати не визначені.

Це також є частиною в NOTES частині сторінки людини Linux :

Стандарт POSIX.1-2008 говорить про такі функції:

Коли категорія LC_CTYPE використовуваного локалу походить з локалі POSIX, ці функції поводяться так, ніби рядки були перетворені в малі регістри, а потім виконується порівняння байтів. В іншому випадку результати не визначені.

Чому?

Як зазначав @HansOlsson у своїй відповіді , порівняння лише букв, що не залежать від регістру, і дозволяє всім порівнянням мати свої "природні" результати, як це strcmp()було зроблено , порушить сортування.

Якщо 'A' == 'a'(визначення порівняння, що не враховує регістр), то '_' > 'A'і '_' < 'a'("природні" результати в наборі символів ASCII) не може бути істинним.

Інші посилання, http://man7.org/linux/man-pages/man3/strcasecmp.3p.html для strcasecmp, говорять, що перетворення на малі регістри - це правильна поведінка (принаймні, у локалі POSIX).

Причина такої поведінки полягає в тому, що якщо ви використовуєте strcasecmp для сортування масиву рядків, це потрібно для отримання розумних результатів.

В іншому випадку, якщо ви спробуєте сортувати "A", "C", "_", "b", наприклад, використовуючи qsort, результат залежатиме від порядку порівнянь.

Здається, що якщо поточний символ у s1 є буквою, він завжди перетворюється на малі регістри, незалежно від того, чи є поточний символ у s2 буквою чи ні.

Це правильно - і це те, що повинна виконувати strcasecmp()функція ! Це функція, а не частина стандарту, але з " Технічної бази відкритої групи, випуск 6 ":POSIXC

У локалі POSIX strcasecmp () та strncasecmp () повинні вести себе так, як ніби рядки були перетворені в малі регістри, а потім виконується порівняння байтів. Результати не визначені в інших регіонах.

До речі, така поведінка також відноситься до _stricmp()функції (як використовується у Visual Studio / MSCV):

Функція _stricmp звичайно порівнює string1 та string2 після перетворення кожного символу в малі регістри та повертає значення, що вказують на їх співвідношення.

ASCII десятковий код Aє 65для _це 95і aє 97, тому strcmp()він робить те , що це припустимо , що робити. Лексикографічно кажучи, _то менше aі більше, ніж A.

strcasecmp()буде вважатися Aяк a*, і оскільки aбільший, ніж _вихідний також є правильним.

* Стандарт POSIX.1-2008 говорить про такі функції (strcasecmp () і strncasecmp ()):

Коли категорія LC_CTYPE використовуваного локалу походить з локалі POSIX, ці функції поводяться так, ніби рядки були перетворені в малі регістри, а потім виконується порівняння байтів. В іншому випадку результати не визначені.

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