比較具有非英文字符的字符串？

Question

我需要比較網站上搜索機制的字符串。 我使用C＃。 我嘗試了兩種方法：

consultants.Where(x => 
    x.Description.ToLower().Contains(vm.Description.ToLower()));

和

consultants.Where(x => 
    Regex.IsMatch(x.Description, vm.Description, RegexOptions.IgnoreCase));

兩者都適用於所有英文字符。 因此，如果我搜索“英語”，那沒問題。 但是，當我嘗試搜索包含非英語字符的字符串時，它不起作用。 例如，如果我嘗試搜索單詞“språk”（瑞典語中的“ language”），則不會返回任何內容。

為什么會這樣，我該如何解決？

Answer 1

為了正確比較非英文字符，您應該為此使用適當的文化規則。 例如，您可以為瑞典語創建自己的不區分大小寫的StringComparer ，並在Contains方法中使用它：

var swedishComparer = StringComparer.Create(new CultureInfo("sv-Se"), true);

consultants = consultants
    .Where(x => 
        x.Description.Contains(vm.Description, swedishComparer)
    ).ToList();

Answer 2

采用

String.Equals(c, vm, StringComparison.OrdinalIgnoreCase)

要么

c.IndexOf(vm, StringComparison.OrdinalIgnoreCase)

Ordinal表示Unicode，逐字節，與區域性無關的比較。

Answer 3

這是Joel Spolsky 對字符集問題的介紹 。 一個非常有趣的閱讀。

簡而言之，網頁需要在頁面開始時告訴您正在使用什么字符集。 C＃正在對字符串使用unicode（以UTF-16編碼為標准格式），這說明了在csharp中可以找到的含義。

希望這會幫助你。

Answer 4

您搜索什么？ 在xml文件上，在db4o文件上，在sql上？ 數據庫的字符編碼很重要。 您可以在xml中設置utf編碼來處理它； 和db4o，它已經可以在對象上安全地工作了，在sql端，您必須設置charachter編碼。

如果您的數據庫將值保留為char（50）或varchar（50），則它可能會丟失不同的字符，要保留不同的字符，則應在sql數據庫中使用nchar，nvarchar。 不要忘記檢查您的數據庫字符編碼，即使它沒有太多必要

Answer 5

您正在處理哪種列表？ 普通列表還是ORM？ 如果它是純列表，請使用string.Compare() 。

Answer 6

索引是搜索的重要組成部分。 我認為最好使用諸如Lucene或Solr之類的現成固體來為您服務。

如果您仍然堅持使用非ASCII字符搜索正則表達式，則可能應該了解unicode類別的更多信息，然后使用它們來去除任何重音符號（例如，使用\\p{P}或\\p{M} ）在文本中搜索該單詞。

注意：您還可能需要規范使用您的字符串FormC標志，以分解和鋼帶/更有效地搜索

Answer 7

感謝所有提供建議的人，但不幸的是，它們似乎無關緊要。 事實證明，包含（）對於非英語字符完全沒有問題。 問題是有問題的數據庫字段具有html編碼的文本，因此我需要使用HtmlDecode在控制器中比較字符串：

        if (vm.Description != "")
        {
            //HttpUtility.HtmlDecode needed because text in Description field is HtmlEncoded!
            consultants = consultants.Where(x => HttpUtility.HtmlDecode(x.Description).ContainsCaseInsensitive(vm.Description)).ToList();
        }

我發現這是因為，當包含非英語字符的另一個字段時，Contains（）代碼可以正常工作。