不區分大小寫的字符串比較奇怪的行為

Question

這在C＃和Java中都會發生，所以我認為這不是一個bug，只是想知道為什么。

var s = "𐐁";
var lower = s.ToLower();
var upper = s.ToUpper();

if (!lower.Equals(upper, StringComparison.OrdinalIgnoreCase))
{
    //How can this happen?
}

根據這個頁面 ，“𐐁”的小寫字母是“𐐩”，與IgnoreCase選項相比，它們應該是相等的。 為什么他們不平等？

Answer 1

為了保護Java API： String.equalsIgnoreCase方法的文檔從未聲稱它可以在任意Unicode代碼點上“按預期”工作。 它說：

如果至少滿足下列條件之一，則兩個字符c1和c2被視為相同的忽略大小寫：

• 這兩個字符是相同的（通過==運算符進行比較）
• 將Character.toUpperCase（char）方法應用於每個字符會產生相同的結果
• 將Character.toLowerCase（char）方法應用於每個字符會產生相同的結果

因此，文檔非常明確地指出它將Character.toUpperCase應用於char ，即UTF-16 代碼單元 ，而不是Unicode代碼點。

如果在每個代碼點上使用方法Character.toUpperCase(int codePoint) ，則比較將按預期運行。 下面是Scala中的一個簡短示例（使用完全相同的Java API，高階forall方法有望不言自明）：

val a = "𐐁"
val b = "𐐩"
(a.codePoints.toArray zip b.codePoints.toArray).forall { 
  case (x, y) => 
  Character.toLowerCase(x) == Character.toLowerCase(y) 
}

版畫

true

正如所料。 為什么會這樣？ 我認為可以安全地將此問題歸咎於向后兼容性。

Answer 2

當您將“𐐁”和“𐐩”同時轉換為其數值時，您可能會獲得更有趣的值。 您獲得與投射結果相同的整數值55297。 StringComparison.Ordinal基於字符的數值。 由於“序數”表示“基於數字”，並且兩個字符（大寫和小字母）在演員后具有相同的序數值，因此任何“基於數字”的比較將提供意外的結果。 OrdinalIgnoreCase顯然沒有為字符的大寫和小版本具有相同“序數”值的字符定義，以避免意外結果，並且在比較這些字符時會失敗（即導致錯誤）。