Quelle est l'idée derrière ^= 32, qui convertit les lettres minuscules en majuscules et vice versa ?

Question

Je résolvais un problème sur Codeforces. Normalement, je vérifie d'abord si le caractère est une lettre anglaise supérieure ou inférieure, puis je soustrais ou j'ajoute 32 pour le convertir en la lettre correspondante. Mais j'ai trouvé quelqu'un qui fait ^= 32 pour faire la même chose. C'est ici :

char foo = 'a';
foo ^= 32;
char bar = 'A';
bar ^= 32;
cout << foo << ' ' << bar << '\n'; // foo is A, and bar is a

J'ai cherché une explication à cela et je ne l'ai pas trouvée. Alors pourquoi cela fonctionne-t-il ?

Answer 1

Jetons un coup d'œil à la table de code ASCII en binaire.

A 1000001    a 1100001
B 1000010    b 1100010
C 1000011    c 1100011
...
Z 1011010    z 1111010

Et 32 est 0100000 ce qui est la seule différence entre les lettres minuscules et majuscules. Donc, en changeant ce bit, on change la casse d'une lettre.

Answer 2

Cela utilise le fait que les valeurs ASCII ont été choisies par des personnes très intelligentes.

foo ^= 32;

Ce site retourne le 6ème bit le plus bas 1 de foo (le drapeau des majuscules de l'ASCII en quelque sorte), transformant une majuscule ASCII en minuscule et vice-versa .

+---+------------+------------+
|   | Upper case | Lower case |  32 is 00100000
+---+------------+------------+
| A | 01000001   | 01100001   |
| B | 01000010   | 01100010   |
|            ...              |
| Z | 01011010   | 01111010   |
+---+------------+------------+

Ejemplo

'A' ^ 32

    01000001 'A'
XOR 00100000 32
------------
    01100001 'a'

Et par la propriété de XOR, 'a' ^ 32 == 'A' .

Avis

Le C++ n'est pas tenu d'utiliser l'ASCII pour représenter les caractères. Une autre variante est EBCDIC . Cette astuce ne fonctionne que sur les plateformes ASCII. Une solution plus portable serait d'utiliser std::tolower y std::toupper avec l'avantage d'être adapté aux spécificités locales (il ne résout pas automatiquement tous vos problèmes, voir les commentaires) :

bool case_incensitive_equal(char lhs, char rhs)
{
    return std::tolower(lhs, std::locale{}) == std::tolower(rhs, std::locale{}); // std::locale{} optional, enable locale-awarness
}

assert(case_incensitive_equal('A', 'a'));

---

1) Comme 32 est 1 << 5 (2 à la puissance 5), il retourne le 6ème bit (en comptant à partir de 1).

Answer 3

Permettez-moi de dire que c'est - bien que cela semble intelligent - un hack vraiment, vraiment stupide. Si quelqu'un vous recommande cela en 2019, frappez-le. Frappez-le aussi fort que vous le pouvez.
Vous pouvez, bien sûr, le faire dans votre propre logiciel que vous et personne d'autre n'utilise si vous savez que vous n'utiliserez jamais d'autre langue que l'anglais de toute façon. Sinon, pas question.

On peut dire que le piratage était "correct" il y a 30 ou 35 ans, lorsque les ordinateurs ne faisaient pas grand-chose d'autre que de l'anglais en ASCII. peut-être une ou deux grandes langues européennes. Mais... ce n'est plus le cas.

Le hack fonctionne parce que les majuscules et minuscules US-Latin sont exactement 0x20 l'un de l'autre et apparaissent dans le même ordre, ce qui n'est qu'une petite différence. Qui, en fait, ce bit hack, bascule.

Les personnes qui ont créé les pages de code pour l'Europe occidentale, et plus tard le consortium Unicode, ont été assez intelligentes pour conserver ce schéma pour les trémas allemands et les voyelles à accent français. Ce n'est pas le cas pour le ß qui (jusqu'à ce que quelqu'un convainque le consortium Unicode en 2017, et qu'un grand magazine de presse écrite Fake News écrive à ce sujet, convainquant en fait le Duden - pas de commentaire à ce sujet). n'existent même pas comme un versal (se transforme en SS). Maintenant, il fait existent en tant que versal, mais les deux sont 0x1DBF positions séparées, pas 0x20 .

Les exécutants, eux, l'étaient, no assez prévenants pour continuer à le faire. Par exemple, si vous appliquez votre hack dans certaines langues d'Europe de l'Est ou autres (je ne connais pas le cyrillique), vous aurez une mauvaise surprise. Tous ces caractères "hatchet" en sont des exemples, les minuscules et les majuscules sont à part. Le hack fait donc no fonctionnent correctement à cet endroit.

Il y a bien d'autres choses à prendre en compte, par exemple, certains caractères ne passent pas simplement des minuscules aux majuscules (ils sont remplacés par des séquences différentes), ou ils peuvent changer de forme (nécessitant des points de code différents).

Ne pensez même pas à ce que ce piratage fera à des choses comme le thaï ou le chinois (cela vous donnera juste un non-sens total).

L'économie de quelques centaines de cycles CPU était peut-être très intéressante il y a 30 ans, mais de nos jours, il n'y a vraiment aucune excuse pour convertir correctement une chaîne de caractères. Il existe des fonctions de bibliothèque pour effectuer cette tâche non triviale.
Le temps nécessaire pour convertir plusieurs dizaines de kilo-octets de texte correctement est négligeable de nos jours.

Answer 4

Cela fonctionne car la différence entre "a" et "A" en ASCII et dans les codages dérivés est de 32, et 32 est également la valeur du sixième bit. En inversant le 6e bit avec un OU exclusif, on peut donc convertir les valeurs supérieures et inférieures.

Answer 5

Le plus souvent, votre implémentation du jeu de caractères sera ASCII. Si nous regardons le tableau :

On voit qu'il y a une différence d'exactement 32 entre la valeur d'un chiffre en minuscule et en majuscule. Par conséquent, si nous faisons ^= 32 (ce qui équivaut à basculer le 6ème bit le moins significatif), il passe d'un caractère minuscule à un caractère majuscule.

Notez qu'elle fonctionne avec tous les symboles, et pas seulement avec les lettres. Elle fait basculer un caractère avec le caractère correspondant dont le 6e bit est différent, ce qui donne une paire de caractères entre lesquels on bascule. Pour les lettres, les caractères majuscules/minuscules respectifs forment une telle paire. A NUL se transformera en Space et dans l'autre sens, et le @ bascule avec le backtick. En fait, tout caractère de la première colonne de ce graphique bascule avec le caractère de la colonne suivante, et il en va de même pour les troisième et quatrième colonnes.

Je n'utiliserais cependant pas ce hack, car il n'est pas garanti qu'il fonctionne sur tous les systèmes. Utilisez simplement toupie y tolérer à la place, et des requêtes telles que isupper .