<html>
  <head>
    <meta content="text/html; charset=windows-1252"
      http-equiv="Content-Type">
  </head>
  <body bgcolor="#FFFFFF" text="#000000">
    <p>Yeah, so this page shows that c11x regex is still mostly
      unsupported in gcc:</p>
    <p><a class="moz-txt-link-freetext" href="http://gcc.gnu.org/onlinedocs/libstdc++/manual/status.html#status.iso.tr1">http://gcc.gnu.org/onlinedocs/libstdc++/manual/status.html#status.iso.tr1</a></p>
    <p>(see section 7)</p>
    <p>And the old school gnu regex we use otherwise I don't think knows
      anything about wide chars.  It simply compares bytes and does have
      a clue if some should be considered part of the same byte.  I
      suspect that because nowhere do we tell it that we're giving it
      UTF-8.</p>
    <p>Ultimately my hope is that gcc will improve eventually and solve
      our problem for us.  We could use<br>
    </p>
    <p>We could add an option to use ICU RegexMatcher, but I'm still
      holding out for our compiler.</p>
    <p>Troy<br>
    </p>
    <br>
    <div class="moz-cite-prefix">On 03/06/2017 05:52 PM, Karl Kleinpaste
      wrote:<br>
    </div>
    <blockquote
      cite="mid:315400d9-b73c-14b4-f601-3bc406117969@kleinpaste.org"
      type="cite">
      <meta content="text/html; charset=windows-1252"
        http-equiv="Content-Type">
      <div class="moz-cite-prefix">On 03/06/2017 05:25 PM, Greg Hellings
        wrote:<br>
      </div>
      <blockquote
cite="mid:CAHxvOV+bn4WpfAmUPQmarZZz-y3tu7tqLyPMOLA2h4t+OdFo8w@mail.gmail.com"
        type="cite">being off by 2 would seem strange to me</blockquote>
      <font face="FreeSerif">I don't understand this question at all.<br>
        <br>
        0xE2 = 226 = 0342<br>
        0x80 = 128 = 0200<br>
        0x93 = 147 = 0223<br>
        <br>
        There's no off-by error at all.<br>
        <br>
        "od" is the "octal dump" tool; given -c, it tries to dump
        characters, but outside 7-bit ASCII, it still dumps octal.<br>
        <br>
        For those familiar with dc(1), this will make sense<br>
        $ dc<br>
        8o<br>
        226p<br>
        342<br>
        128p<br>
        200<br>
        147p<br>
        223<br>
        16i<br>
        0XE2p<br>
        342<br>
        0X80p<br>
        200<br>
        0X93p<br>
        223<br>
        <br>
        The interesting questions are why C++11 regex can't find <i>en
          dash</i>, and why non-C++11 regex doesn't understand
        multibyte.<br>
      </font> <br>
      <fieldset class="mimeAttachmentHeader"></fieldset>
      <br>
      <pre wrap="">_______________________________________________
sword-devel mailing list: <a class="moz-txt-link-abbreviated" href="mailto:sword-devel@crosswire.org">sword-devel@crosswire.org</a>
<a class="moz-txt-link-freetext" href="http://www.crosswire.org/mailman/listinfo/sword-devel">http://www.crosswire.org/mailman/listinfo/sword-devel</a>
Instructions to unsubscribe/change your settings at above page</pre>
    </blockquote>
    <br>
  </body>
</html>