java - 不区分大小写的字符串比较奇怪的行为

Question

这在 C# 和 Java 中都会发生，所以我认为这不是错误，只是想知道为什么。

var s = "𐐁";
var lower = s.ToLower();
var upper = s.ToUpper();

if (!lower.Equals(upper, StringComparison.OrdinalIgnoreCase))
{
    //How can this happen?
}

根据 this page , ""的小写为 "", 与 IgnoreCase 选项比较时应该是相等的。为什么它们不相等？

Answer 1

为 Java API 辩护:documentation of the method String.equalsIgnoreCase从未声称它可以在任意 Unicode 代码点上“按预期”工作。它说:

Two characters c1 and c2 are considered the same ignoring case if at least one of the following is true:

• The two characters are the same (as compared by the == operator)
• Applying the method Character.toUpperCase(char) to each character produces the same result
• Applying the method Character.toLowerCase(char) to each character produces the same result

因此，文档明确指出它将 Character.toUpperCase 应用于 char，即应用于 UTF-16 代码单元 ，而不是 Unicode 代码点。

如果您在每个代码点 上使用方法Character.toUpperCase(int codePoint)，那么比较会按预期进行。这是 Scala 中的一个简短示例(使用完全相同的 Java API，高阶 forall 方法有望不言自明):

val a = "𐐁"
val b = "𐐩"
(a.codePoints.toArray zip b.codePoints.toArray).forall { 
  case (x, y) => 
  Character.toLowerCase(x) == Character.toLowerCase(y) 
}

打印

true

如预期。这是为什么？我认为可以放心地将此问题归咎于向后兼容性。