Question

正如我们所知，Unicode是为了解决代码页问题而发明的，并且代表了世界上所有（不是全部）语言的所有特征。接下来我们有unicode转换格式 - 如何在计算机字节中表示unicode字符：

utf-8一个字符可以占用1到4个字节
utf-16一个字符占用2个字节，或2 * 2bytes = 4bytes（.NET使用此字符）
utf-32一个字符总是需要4个字节（我听说Python使用它）

到目前为止，好的。接下来我们采用两种语言：

英国的英语（en-GB）和斯洛文尼亚的斯洛文尼亚语（sl-SI）。英语有下一个字符：a，b，c，d，e，... x，y，z。除了x，y之外，斯洛文尼亚语具有相同的字符，它还有其他字符：č，š，ž。如果我在代码下面运行：

Thread.CurrentThread.CurrentCulture = new CultureInfo("sl-SI");
string upperCase = "č".ToUpper(); // returns Č, which is correct based on sl-SI culture

// returns Č, how does it know that it must convert č to Č. 
// What if some other language has character č, and č in that language converts to X.
// How does it determine to what character it must convert?
Thread.CurrentThread.CurrentCulture = new CultureInfo("tr-TR");
string upperCase1 = "č".ToUpperInvariant();

我们可以turkish example：当它移动到大写时，小写“i”变为“İ”（U + 0130“拉丁大写字母I，上面有点”）。同样，当它移动到小写时，我们的大写“I”变成“ı”（U + 0131“Latin Small Letter Dotless I”）。

如果ToUpperInvariant（）确定将“i”转换为土耳其语“İ”而不是“I”，该怎么办？然后是不变的文化英语。超出这个问题的范围，但是，对于每个小写字符，世界上所有语言都有大写吗？我假设是的，但如果他们不这样做，那么是否有一种只有大写字符的语言。是的我知道我应该从\ u + 0000到\ u + FFFF进行测试。

Answer 1

不变文化是一种基于英语的假文化，因此所有“不变”转换都将基于英语转换。

对于每个小写字符，世界上所有语言都是大写的吗？

不，他们没有。例如，中文没有大写和小写的概念。

德语有字母ß，没有大写版本。

考虑：

var germanCulture = new CultureInfo("de-DE");

System.Threading.Thread.CurrentThread.CurrentCulture   = germanCulture;
System.Threading.Thread.CurrentThread.CurrentUICulture = germanCulture;

string s = "ß";

Console.WriteLine(s.ToUpper()); // Prints ß
Console.WriteLine(s.ToLower()); // Prints ß

// Aside: There's a special "uppercase" ß, but this isn't
// returned from "ß".ToUpper();

string t = "ẞ"; // Special "uppercase" ß.

Console.WriteLine(t == s); // Prints false.

Console.WriteLine(s.ToUpper() == t); // Prints false.

（有关未从ß返回的奇怪大写ẞ（"ß".ToUpper()）的详细信息，请参阅here。）

Answer 2

请参阅MSDN备注：

不变文化代表着一种文化文化不敏感。 它与英语相关但是与特定国家或地区无关。

并非所有语言都有大写和小写字符，如中文，日文，印地文，马拉地语等

另外this

ToLower在大多数地方与ToLowerInvariant非常相似。该文件表明这些方法只会改变行为土耳其文化。此外，在Windows系统上，文件系统是不区分大小写，这进一步限制了它的使用

Answer 3

根据Unicode standard，案例映射信息的来源是

UnicodeData.txt：包含映射到单个字符的大小写映射。这些不会增加字符串的长度，也不会包含依赖于上下文的映射。

SpecialCasing.txt：包含映射到多个字符的其他大小写映射，例如“ß”到“SS”。还包含依赖于上下文的映射，带有标志以区别于正常映射，以及一些与语言环境相关的映射。

在UnicodeData.txt中，您会找到：

0069;LATIN SMALL LETTER I;Ll;0;L;;;;;N;;;0049;;0049
010C;LATIN CAPITAL LETTER C WITH CARON;Lu;0;L;0043 030C;;;;N;LATIN CAPITAL LETTER C HACEK;;;010D;
010D;LATIN SMALL LETTER C WITH CARON;Ll;0;L;0063 030C;;;;N;LATIN SMALL LETTER C HACEK;;010C;;010C

（最后三列包含简单的大写，小写和标题映射。）

因此，除非存在依赖于语言环境的异常，否则每个 Unicode实现都将使用这些映射，从而导致：

uppercase(i) = I
uppercase(č) = Č
lowercase(Č) = č

文件SpecialCasing.txt说：

此文件中的条目采用以下机器可读格式：

<code>; <lower>; <title>; <upper>; (<condition_list>;)? # <comment>

和

如果所有列出的条件都为真，则条件列表会覆盖正常行为。

对于土耳其语，它包含以下例外：

# When uppercasing, i turns into a dotted capital I

0069; 0069; 0130; 0130; tr; # LATIN SMALL LETTER I

所以，对于土耳其语（和阿塞拜疆语）：

uppercase(i) = İ

立陶宛语也有一些例外。除了这些少数例外，无论.NET“文化”如何，案例映射都应该始终相同。

Answer 4

我正在补充一些重点： -

不变文化对文化不敏感;它与英语有关，但与任何国家/地区无关。
通过使用不变文化，可以解决字符串表示问题，并且由于国家或地区的变化，它不会发生变化。

示例：我们在IST中显示一些日期 dd / MM / YYYY ，但在EST中它可能会通过一些异常或获得不同的含义，所以从类似的问题出来，我们可以使用不变量概念

String.ToLowerInvariant（）如何确定它必须转换的字符串/字符？

4 个答案: