Question

我需要创建一个与https://www.w3.org/2005/xpath-functions/collation/html-ascii-case-insensitive/对应的Collator，即在进行比较时忽略ASCII A-Z和a-z字符的区分大小写。

我尝试使用以下ICU4j RuleBasedCollator：

final RuleBasedCollator collator =
        new RuleBasedCollator("&a=A, b=B, c=C, d=D, e=E, f=F, g=G, h=H, "
                + "i=I, j=J, k=K, l=L, m=M, n=N, o=O, p=P, q=Q, r=R, s=S, t=T, "
                + "u=U, v=V, u=U, v=V, w=W, x=X, y=Y, z=Z").freeze();

然而，以下比较似乎失败了，我希望它能成功（即返回true）：

final SearchIterator searchIterator = new StringSearch(
        "pu", new StringCharacterIterator("iNPut"), collator);
return searchIterator.first() >= 0;

我的规则中缺少什么？

Answer 1

这个W3C“整理”看起来并不像通常意义上的Collator。它是一个没有排序的ASCII不区分大小写的匹配器。我怀疑它通常是用低级代码实现的，它不区分大小写地匹配ASCII字母而其他所有字符都是精确匹配的。请参阅https://www.w3.org/TR/xpath-functions-31/#html-ascii-case-insensitive-collation
Collator规则可能不会按照您的想法执行。逗号是三级差异的旧语法，因此&a=A, b=B, c=C与&a=A<<<b=B<<<c=C相同。我认为你打算像&a=A &b=B &c=C等等。

Answer 2

com.ibm.icu.text.RuleBasedCollator#compare

返回一个整数值。如果source小于target，则值小于零，如果source和target相等则值为零，如果source大于target，则值大于零

String a = "Pu";
String b = "pu";

RuleBasedCollator c1 = (RuleBasedCollator) Collator.getInstance(new Locale("en", "US", ""));
RuleBasedCollator c2 = new RuleBasedCollator("& p=P");
System.out.println(c1.compare(a, b) == 0);
System.out.println(c2.compare(a, b) == 0);

Output
======
false
true

似乎规则不在于问题所在，SearchIterator代码似乎有问题。

如果您不必使用SearchIterator，那么也许您可以编写自己的“包含”方法。也许是这样的：

boolean contains(String a, String b, RuleBasedCollator c) {
  int index = 0;
  while (index < a.length()) {
    if (a.length() < b.length()) {
      return false;
    }

    if (c.compare(a.substring(0, b.length()), b) == 0) {
      return true;
    }

    a = a.substring(1);
  }
  return false;
}

也许不是世界上最好的代码，但你明白了。

HTML ASCII Case不敏感的ICU Collator

2 个答案:

HTML ASCII Case不敏感的ICU Collat​​or

2 个答案:

HTML ASCII Case不敏感的ICU Collator