执行unicode casefolding后字符串的最大长度

Question

我需要对一组字符串执行casefolding，并且必须事先确保它们在完成后不会超过给定的长度（以硬编码所需的缓冲区大小）。问题是在应用casefolding后字符串长度（在代码点中）可能会发生变化。参见，例如，在Python3中：

>>> "süß".casefold()
'süss'

现在，可以轻松计算执行casefolding后字符串可能包含的最大代码点数：

>>> max(len(chr(s).casefold()) for s in range(0x10FFFF + 1))
3

但它在所有情况下都有效吗？我的意思是，由于Unicode的一些神秘属性，代码序列（它们出现的顺序）可能会影响字符串的最终长度吗？或者我可以假设最终字符串总是最多比原始字符串长3倍？

Answer 1

Unicode standard定义了大小写，如下所示：

  

toCasefold（X）：将X中的每个字符C映射到Case_Folding（C）。

因此，无论上下文如何，字符串中的每个字符都是大小写的，并且结果是连接的。这意味着您的假设是正确的：案例折叠字符串保证最多为原始代码点数的三倍。