Question

在C＃中，Grüsse和Grüße在大多数情况下都被认为是相同的，正如this精彩网页所解释的那样。我试图在Java中找到类似的行为 - 显然不在java.lang.String。

我认为java.regex.Pattern与Pattern.UNICODE_CASE相结合，我很幸运。 Javadoc说：

UNICODE_CASE启用支持Unicode的案例折叠。当指定此标志时不区分大小写的匹配，当由CASE_INSENSITIVE标志启用时，以符合Unicode标准的方式完成。

以下代码：

Pattern p = Pattern.compile(Pattern.quote("Grüsse"), 
                     Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE);
System.out.println(p.matcher("Grüße").matches());

收益false。为什么？是否有另一种方法来重现C＃案例折叠行为？

----编辑----

正如@VGR指出的那样，String.toUpperCase会将ß转换为ss，这可能是也可能不是案例折叠（也许我在这里混淆概念）。但是，德语区域设置中的其他字符不会“折叠”，例如ü不会变为UE。因此，为了使我的初始示例更加完整，有没有办法让Grüße和Gruesse在Java中相等？

我认为可以使用java.text.Normalizer类来做到这一点，但它会将ü转换为u?而不是ue。它也没有提供Locale的选项，这让我更加困惑。

Answer 1

使用ICU4J正则表达式，而不是JDK正则表达式： http://userguide.icu-project.org/strings/regexp#TOC-Case-Insensitive-Matching

Answer 2

使用当前接受的答案：

foo.toUpperCase().equals(bar.toUpperCase())

以下输入不比较相等，即使它们应该：Grüsse 和 GRÜẞE；或 Grüße 和 GRÜẞE。

这是为什么？让我们看看大写的字符串：

"Grüsse".toUpperCase(Locale.ROOT)  -> "GRÜSSE"
"Grüße".toUpperCase(Locale.ROOT)   -> "GRÜSSE"
"GRÜẞE".toUpperCase(Locale.ROOT)   -> "GRÜẞE"

如您所见，大写的“尖 S” (ẞ) 保持原样。要正确处理，请执行以下操作：

foo.toLowerCase(Locale.ROOT).toUpperCase(Locale.ROOT).equals(
    bar.toLowerCase(Locale.ROOT).toUpperCase(Locale.ROOT))

注意顺序很重要。如果先大写然后小写，它只会将 ẞ 变成 ß（小写尖 S）。

Answer 3

供参考，以下事实：

Character.toUpperCase()不能作为一个字符进行大小写折叠必须映射到一个角色。
String.toUpperCase()会进行大小写折叠。
String.equalsIgnoreCase()使用Character.toUpperCase() 在内部，所以不进行大小写折叠。

结论（正如@VGR所指出的）：如果你需要不区分大小写匹配案例折叠，你需要这样做：

foo.toUpperCase().equals(bar.toUpperCase())

而不是：

foo.equalsIgnoreCase(bar)

关于ü和ue的平等，我设法用RuleBasedCollator和我自己的规则（人们希望Locale.German建立了这个规则 - 但是，唉）。它看起来非常愚蠢/过度设计，因为我只需要平等，而不是排序/整理，最后我在比较之前找到了一套简单的String.replace。它很糟糕但它有效且透明/可读。

使用Unicode的正则表达式模式不进行大小写折叠

3 个答案: