Question

根据Unicode字符U + 0131 LATIN SMALL LETTER DOTLESS I的ASCII字符为大写字母＆＃39; I＆＃39; 和角色U + 017F＆＃39;＆＃39; LATIN SMALL LETTER LONG S的ASCII字符大小为＆＃39; S＆＃39;

以下代码在两项检查中均失败

string check = "\u0131\u017F";
if ( string.Equals( check, "IS",StringComparison.OrdinalIgnoreCase ) ) {
    Console.WriteLine( "Ok!" );
}
if ( string.Equals( check, "IS", StringComparison.InvariantCultureIgnoreCase ) ) {
    Console.WriteLine( "Ok!" );
}

鉴于UnicodeData.txt中定义的Unicode toUppercase映射不是语言的，而是不变的，OrdinalIgnoreCase和InvariantCultureIgnoreCase遵循的规则究竟是什么？

Answer 1

我没有找到任何稳定的逻辑来解释OrdinalIgnoreCase的行为，我决定使用暴力破解并编写自定义Mapper类来处理比较和获取char * segment的哈希码。

这样做的原因是为最近引入的ReadOnlySpan支持OrdinalIgnoreCase比较和等式检查，并且可能稍后实现可以接受来自字符串和ReadOnlySpan的查找的字符串Dictionary

Mapper的早期版本在OrdinalIgnoreCase.Map.cs

提交

当Compare和Equal测试通过时，GetHashCode因Unicode块Deseret上的某些不一致行为而失败。似乎OrdinalIgnoreCase的GetHashCode算法将Deseret的小写字母转换为高位，而Equals和Compare则不是。您可以在Deseret.cs

的代码中观察到该行为

Unicode toUppercase与OrdinalIgnoreCase / InvariantCultureIgnoreCase

1 个答案: