Question

任何人都可以解释String.java中的以下代码，特别是为什么有三个if语句（我已将其标记为//1，//2和//3 ）？

private static class CaseInsensitiveComparator
                     implements Comparator<String>, java.io.Serializable {
// use serialVersionUID from JDK 1.2.2 for interoperability
private static final long serialVersionUID = 8575799808933029326L;

    public int compare(String s1, String s2) {
        int n1=s1.length(), n2=s2.length();
        for (int i1=0, i2=0; i1<n1 && i2<n2; i1++, i2++) {
            char c1 = s1.charAt(i1);
            char c2 = s2.charAt(i2);
            if (c1 != c2) {/////////////////////////1
                c1 = Character.toUpperCase(c1);
                c2 = Character.toUpperCase(c2);
                if (c1 != c2) {/////////////////////////2
                    c1 = Character.toLowerCase(c1);
                    c2 = Character.toLowerCase(c2);
                    if (c1 != c2) {/////////////////////////3
                        return c1 - c2;
                    }
                }
            }
        }
        return n1 - n2;
    }
}

Answer 1

来自Unicode Technical Standard：

此外，由于自然语言的变幻莫测，有两种不同的Unicode字符具有相同的大写或小写的情况

所以，仅仅比较两个字符的大写是不够的，因为它们可能有不同的大写和相同的小写

简单的强力检查会给出一些结果。检查示例代码点73和304：

char ch1 = (char) 73; //LATIN CAPITAL LETTER I
char ch2 = (char) 304; //LATIN CAPITAL LETTER I WITH DOT ABOVE
System.out.println(ch1==ch2);
System.out.println(Character.toUpperCase(ch1)==Character.toUpperCase(ch2));
System.out.println(Character.toLowerCase(ch1)==Character.toLowerCase(ch2));

输出：

false
false
true

所以“İ”和“我”并不相同。两个字符都是大写的。但是它们共享相同的小写字母：“i”，这给出了在不区分大小写的比较中将它们视为相同值的理由。

Answer 2

通常情况下，我们希望将案例转换一次并进行比较并完成。但是，代码将案例转换两次，原因在评论中说明了不同的方法public boolean regionMatches(boolean ignoreCase, int toffset, String other, int ooffset, int len)：

不幸的是，转换为大写不适用于格鲁吉亚字母表，格式字母表有关于大小写转换的奇怪规则。所以我们需要在退出之前进行最后一次检查。

附录

regionMatches的代码与CaseInsenstiveComparator中的代码有一些区别，但基本上做同样的事情。下面引用该方法的完整代码以进行交叉检查：

public boolean regionMatches(boolean ignoreCase, int toffset,
                       String other, int ooffset, int len) {
    char ta[] = value;
    int to = offset + toffset;
    char pa[] = other.value;
    int po = other.offset + ooffset;
    // Note: toffset, ooffset, or len might be near -1>>>1.
    if ((ooffset < 0) || (toffset < 0) || (toffset > (long)count - len) ||
            (ooffset > (long)other.count - len)) {
        return false;
    }
    while (len-- > 0) {
        char c1 = ta[to++];
        char c2 = pa[po++];
        if (c1 == c2) {
            continue;
        }
        if (ignoreCase) {
            // If characters don't match but case may be ignored,
            // try converting both characters to uppercase.
            // If the results match, then the comparison scan should
            // continue.
            char u1 = Character.toUpperCase(c1);
            char u2 = Character.toUpperCase(c2);
            if (u1 == u2) {
                continue;
            }
            // Unfortunately, conversion to uppercase does not work properly
            // for the Georgian alphabet, which has strange rules about case
            // conversion.  So we need to make one last check before
            // exiting.
            if (Character.toLowerCase(u1) == Character.toLowerCase(u2)) {
                continue;
            }
        }
        return false;
    }
    return true;
}

Answer 3

在另一个答案中，默认语言环境已经举例说明了为什么只比较大写是不够的，即ASCII字母“I”和带有“İ”点的大写字母I.

现在你可能想知道，为什么他们不仅仅比较小写而不是大写和小写，如果它捕获的大多数情况比大写？答案是，它没有捕获更多案例，它只是找到不同的案例。

取字母“ı”（(char)305，小无点i）和ascii“i”。它们是不同的，它们的小写字母不同，但它们共用相同的大写字母“I”。

最后，将资本I与点“İ”与小无点我“ı”进行比较。它们的大写字母（“İ”与“I”）和它们的小写字母（“i”与“ı”）都不匹配，但它们的大写字母的小写字母是相同的（“I”）。我在希腊字母“Θ”和“θ”（字符1012和977）中发现了另一种情况。

因此，真正不区分大小写的比较甚至无法检查原始字符的大写字母和小写，但必须检查大写字母的小写字母。

Answer 4

请考虑以下字符：f和F。最初的if语句将返回false，因为它们不匹配。但是，如果您将两个字符都大写，则会获得F和F。然后他们会匹配。例如，c和G。

也是如此

代码很有效。如果两个字符已匹配（因此是第一个if语句），则无需将两个字符大写。但是，如果它们不匹配，我们需要检查它们是否只有大小写（因此是第二个if语句）。

最终的if语句用于某些字母表（例如格鲁吉亚语），其中大写是一个复杂的事情。说实话，我不太了解它是如何工作的（只要相信Oracle的确如此！）。

Answer 5

在上述不区分大小写的情况下，假设 s1 =“Apple”和s2 =“apple” 在这种情况下'A'！='a'，因为两个字符的ascii值不同，然后它将两个字符更改为大写并再次比较然后循环继续获得n1-n2 = 0的最终值，因此字符串变得相同。如果字符在第二次检查中不相等则假设

if (c1 != c2) {
return c1 - c2;
}

返回两个字符的ascii值的差异。

了解CaseInsensitiveComparator中的逻辑

5 个答案:

附录