在 Windows 上编译带 ICU 的 Boost::Regex

文章目录

1. 1. 一、编译 ICU
2. 2. 二、编译 bjam
3. 3. 三、编译 Boost::Regex
4. 4. 四、用户代码

找遍了文档和文章，没有能直接解决问题的，就将我的方法记录下来好了。以及，明天周例行检查过了的话，优先把 CGSS 反向系列的剩下两篇写完。但是心好急啊，还没开始动工论文！

Boost 的 Boost::Regex 默认是不带 ICU 支持的。在这种情况下，它只能用来处理多字节字符串（MBCS）的正则表达式操作，而这个字符串是和系统的区域信息（locale）相关的。同样是简体中文区域，Windows 的字符集是 GBK，OSX 和 Linux 的字符集是 UTF-8。如果不给这个库增加其他字符集的支持，那它基本上就对多字节字符（汉字、喃字、假名等等）无能为力了，毕竟在表示“ASCII 以外的字符”这一个概念时不同编码方案码是不一样的。不过好在 Boost 的设计者很清楚这一项需求，在 boost/regex/icu.hpp 中定义了两个额外的正则表达式结构：wregex（处理宽字符）和 u32regex（处理 UTF-8、UTF-16 和 UTF-32），不过内部要依赖于 ICU。考虑到我准备使用 UTF-8 作为字符串的编码基础，必须要用上 ICU；而要用 ICU，就必须自己编译 Boost。

注意，接下来的部分过程只适用于 Windows，因为 Linux 一般是预置了 ICU 的，只需要简单指定就好，bjam 会自动完成设置。

一、编译 ICU

ICU 也是一个独立的库，和 Boost 是同级的关系。要用 ICU 的功能，必须要先编译 ICU。

到 ICU 的官网上下载源代码包（需要翻墙），编译很简单，打开 source/allinone/allinone.sln，编译就好。注意选择 Release 模式编译。

二、编译 bjam

bjam（b2）是 Boost::Build 的别称，是一个自动构建程序，附带在 Boost 源代码包中。正常的情况下，直接执行 bootstrap.bat 就能自动调用 Visual C++ 编译 bjam。

三、编译 Boost::Regex

我之前将 ICU 放在了 F:\icu，下面的路径按照需要更改即可。

执行 bjam 的时候它会先启用检测，输出类似这样的提示：

Performing configuration checks

    - 32-bit                   : yes
    - arm                      : no
    - mips1                    : no
    - power                    : no
    - sparc                    : no
    - x86                      : yes
    - symlinks supported       : no
    - junctions supported      : yes
    - hardlinks supported      : yes
    - has_icu builds           : no

如果 has_icu builds 一项值为 no，按照说明中仅指定 ICU_PATH 是不行的，编译出的库照样不包含 ICU 功能（表现为链接时找不到与 ICU 相关的符号）。所以，只好想一种方法让 has_icu builds 这一项变为 yes 了。

检查错误日志 config.log 发现，这一项是用构建一段含 ICU 的代码来检测的。编译是通过了（如果没指定 ICU_PATH 就无法编译），但是说链接时找不到符号。这就好办了，加入静态库搜索路径和库名（注意按照 VC++ 的选项格式）执行，果然就能正常编译链接了，这一项也变成了 yes。

我现在所使用的完整选项如下：

bjam boost.locale.icu=on boost.locale.winapi=off boost.locale.iconv=off boost.locale.std=off -sHAVE_ICU=1 -sICU_PATH=F:\icu -sICU_LINK="/LIBPATH:F:\icu\lib icudt.lib icuin.lib icuio.lib icule.lib icule.lib iculx.lib icutu.lib icuuc.lib" --with-regex --toolset=msvc-14.0 link=static threading=multi stage

bjam 中的 -s 开关相当于设置临时环境变量，不是选项开关。你也可以通过 set ICU_PATH=F:\icu 这样的语法，在命令提示符中设置。MSVC 14.0 工具集指的是 Visual Studio 2015 的工具链（cl.exe 版本 19）。

bjam 是带缓存的。生成的中间产物在 bin.v2/libs 下，成品在 libs 下。bjam 并不会检查当前的遗留编译结果是否是最新，只要文件存在而且大小不为零就会被跳过，环境改变（如 ICU 的存在性发生改变）也不会引发重新编译。所以清除缓存的话要删除这两个目录，强制完全重新编译。设置缓存在 bin.v2/project-cache.jam，如果初次检测的结果是 ICU 不存在，而后来配置好了 ICU，就需要删除这个文件并重新执行 bjam 来检测，否则一直会用其中缓存的结果。

四、用户代码

首先更新包含文件搜索目录。加入 Boost 的头文件目录（boost/boost）和 ICU 编译后生成的头文件目录（icu/include）。

然后更新库文件搜索目录。加入 Boost 的静态库目录（boost/stage/lib）和 ICU 编译后生成的库文件目录（icu/lib）。

然后包含（注意 BOOST_HAS_ICU 的定义，及其位置）：

#define BOOST_HAS_ICU
#include <boost/regex.hpp>
#include <boost/regex/icu.hpp>
#pragma comment(lib, "icuuc.lib")
#pragma comment(lib, "icuin.lib")
#pragma comment(lib, "icudt.lib")
#pragma comment(lib, "libboost_regex-vc140-mt-1_59.lib")

注意引用的库名字 libboost_regex-vc140-mt-1_59.lib 的含义如下：

• regex：正则表达式部分；
• vc140：用 VS 2015 的 VC++ 工具链编译（编译出的静态库需要用同版本工具链才能链接）；
• mt：线程模型为多线程（上面 threading=multi 指定的，这也是 VC++ 工程的默认选项）；
• 1_59：Boost 版本为 1.59。

在用在自己的工程中时一定要注意改名。当然这些库文件搜索也可以放到 VC++ 工程的“附加库文件”设置中。

此时就可以正常编译链接了。（又是一次数小时排错的过程……）