可以降低UTF-8字符串使其增长吗？

Question

我正在帮助某人编写一些代码，以不区分大小写的方式比较UTF-8字符串。他们使用的方案是将字符串大写，然后进行比较。输入字符串都可以适合255字节的数组。类似地，输出字符串必须符合255字节数组。

我不是UTF-8或Unicode专家，但我认为这个方案对所有字符串都不起作用。我的理解是，无论是下壳还是上壳，UTF-8字符串都会导致输出字符串更长（字节数组），因此更改案例可能不是解决此问题的最佳方法。我试图通过提供一些不适合这种设计的字符串来证明这种困难。

例如，将字符U + 0587的字符串重复100次。 U + 0587采用UTF-8中的两个字节，因此字符串的字节数组的总长度为200字节（暂时忽略尾随的空值）。但是，如果该字符串是大写的，则它变为U + 0535 U + 0552，并且每个字符串占用两个字节，总共4个字节。 200字节数组现在是400字节，并且不能存储在可用的有限空间中。

所以这就是我的问题：我给出了一个小写字符的例子，当大写时需要更多空间来存储。是否有任何大写字符的示例在小写时需要更多空间来存储？在这种情况下，语言环境总是en_US.UTF-8。

感谢您的帮助。

Answer 1

是。我的环境中的例子：

U+023A Ⱥ    U+023E Ⱦ        

有几个相关因素可能导致变异。你已经指出了一个：

1. 您指定的区域设置将影响该区域设置所关注的字符大小写。
2. 您的库使用的Unicode公共区域设置数据存储库的版本。
3. 您的图书馆使用的Unicode字符数据库的版本。

这些不是固定目标，因为我们可以预期会有未来的版本，并且会有用户使用它们。

归根结底，这取决于你的环境和实际目的。