自制的上衣:看起来一样，但不完全相同

Question

对于我的优化，我想在 Rcpp 中获得一个体面的toupper。我对C++很陌生，至于知道我已经做到了：

#include <Rcpp.h>
using namespace Rcpp;
void C_toupper_String(const String& s) {
for (char *p =(char *)s.get_cstring();*p!=0;p++) *p = toupper(*p);
}
// [[Rcpp::export]]
StringVector C_toupper(StringVector const& vecteur) {
StringVector res=clone(vecteur);
for (int i(0); i < res.size(); ++i) {
C_toupper_String(res[i]);
}
return res;
}
/*** R
teststring <- "HeY I arNaud"
C_toupper(teststring)
toupper(teststring)
identical(C_toupper(teststring),toupper(teststring))
*/

但是，它不能正常工作。

> C_toupper(teststring)
[1] "HEY I ARNAUD"
> toupper(teststring)
[1] "HEY I ARNAUD"
> identical(C_toupper(teststring),toupper(teststring))
[1] FALSE

怎么了？如果可能的话，我不想将String转换为std::string，因为我想了解正在发生的事情：进入C++的目的是能够避免复制和转换。

谢谢

阿诺德

Answer 1

为什么这两个字符串不测试identical的问题很难解释 - 这两个字符串在检查它们的原始字节(通过charToRaw(时看起来肯定相同，它们不携带属性，并且它们没有编码集。所以，真的，它们应该是相同的。

为了解开这个谜团，我们需要了解你的C++代码实际上在做什么。更具体地说，C_toupper_String中的C型演员正在做什么。由于它们的危险性，您永远不应该使用 C 型铸型。您的代码遇到问题纯粹是因为该强制转换。

为什么？因为String::get_cstring返回char const*.你把它抛弃给char*，从而抛弃它的const性。这可能是安全的，但前提是基础存储未const。否则，它是未定义的行为 (UB(。由于代码重写(例如优化(，UB的效果很难预测。在这种情况下，它似乎生成的代码弄乱了 R 字符串内部。

---

您根本无法就地修改Rcpp::String对象，他们不允许这样做。但是，如果您只是想避免复制，那么您的代码无论如何都无法实现其目标，因为您的C_toupper函数在第一步中显式复制输入。

正如Dirk所说，解决这个问题的正确方法是使用可用的Rcpp API。在字符串修改的情况下，这意味着将您的输入转换为std::string，执行修改，然后转换回来。这确实会复制，但您当前的代码也会复制。下面是编写此代码的一种好方法：

#include <Rcpp.h>
#include <cctype>
#include <string>
// [[Rcpp::export]]
Rcpp::StringVector C_toupper(Rcpp::StringVector const& vec) {
std::vector<std::string> res(vec.begin(), vec.end());
for (std::string& str : res) {
for (char& c : str) c = std::toupper(c);
}
return Rcpp::wrap(res);
}

请注意，这有时会产生错误的结果，因为std::toupper根本无法处理某些 Unicode 特征。R的toupper做得更好，但也有一些问题。一个正确的解决方案是使用 {stringr} 或 {stringi} 包。

Answer 2

为什么不使用C++库的单行代码？ 除非你真的有C++经验，否则你可能不太可能击败它。 以下代码只是缩进在此处显示，它是我此处 R 会话中的一行。

R> Rcpp::cppFunction("std::string tU(std::string s) { std::string u(s); 
for (unsigned int i=0; i<u.length(); i++) u[i] = std::toupper(u[i]); return(u); }")
R> tU("aBcDe")
[1] "ABCDE"
R>