Java，计算字符串中唯一字符之间的差异

Question

假设我有 2 个字符串，我需要计算它们唯一字符之间的差异。很简单:

String s1 = "abcd";
String s2 = "aaaacccbbf";
//answer: 1

答案是1，因为s1变量中没有“f”。

但是像மா 或汉字或任何其他非 ASCII 字符这样的字符呢？如果我循环遍历这些字符串，像 கு 这样的一个字符将作为单独的字符计算 2-3 次，从而给出错误的答案:

String s1 = "ab";
String s2 = "aaaகுb";
//answer: 2 (wrong!)

我尝试过的代码:

class a {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String s1 = sc.nextLine();
        String s2 = sc.nextLine();
        sc.close();

        String missingCharacters= "";

        for(char c : s2.toCharArray()) {
            if(!missingCharacters.contains(c+"") && !s1.contains(c+"")) 
                missingCharacters+= c;
        }

        System.out.println(missingCharacters.length());
    }
}

Answer 1

您的符号கு是泰米尔文字的复合形式，其中包含两个Unicode字符க் + உ (0B95 + 0BC1)。如果您计划使用泰米尔语脚本，您必须找到具有模式的所有相似字符:

    String s1 = "ab";
    String s2 = "aaaகுb";

    Pattern pattern = Pattern.compile("\\p{L}\\p{M}*");

    Matcher matcher = pattern.matcher(s2);
    Set<String> missingCharacters=new TreeSet<>();
    while (matcher.find()) {
        missingCharacters.add(matcher.group());
    }

    matcher = pattern.matcher(s1);
    while (matcher.find()) {
        missingCharacters.remove(matcher.group());
    }

    System.out.println(missingCharacters.size());

正则表达式来源: How to Match a Single Unicode Grapheme