Android将UTF-8字符串与UTF-8输入字符串edittext进行比较

Question

在我的Android应用程序中，我想比较一个utf-8字符串，例如“bãi”与用户在edittext上输入的字符串。
但是，如果我输入“bãi”来编辑文本并使用方法edittext.getText（）。toString（）获取输入字符串，它将返回类似的字符串

并且它不等于“bãi”

我也试试

String input = new String(input.getBytes("UTF-8"), "UTF-8");

但它不起作用。 input.equals（“bãi”）将返回false。

有谁知道如何解决这个问题。 谢谢你的帮助。

Answer 1

在Unicode中，某些字符可以多种方式表示。例如，在单词bãi中，中间字符可以用两种方式表示：

1. 单个代码点U + 00E3（LATIN SMALL LETTER A with TILDE）
2. 两个代码点U + 0061（LATIN SMALL LETTER A）和U + 0303（COMBINING TILDE）

显示时，两者看起来都一样。

对于字符串比较，这会产生问题。解决方案是首先根据Unicode Standard Annex #15 — Unicode Normalization Forms规范化字符串。

Normalizer class在Java（包括Android）中支持规范化（对于Android，请参阅Normalizer）。

下面的代码显示了结果：

String s1 = "b\u00e3i";
String s2 = "ba\u0303i";
System.out.println(String.format("Before normalization: %s == %s => %b", s1, s2, s1.equals(s2)));

String n1 = Normalizer.normalize(s1, Form.NFD);
String n2 = Normalizer.normalize(s2, Form.NFD);
System.out.println(String.format("After normalization:  %s == %s => %b", n1, n2, n1.equals(n2)));

输出：

Before normalization: bãi == bãi => false
After normalization:  bãi == bãi => true

BTW：格式Form.NFD分解字符串，即它使用两个代码点创建更长的表示。 Form.NFC会创建更短的表单。