不区分大小写的字符串比较奇怪的行为

Question

这种情况发生在C#和Java中,所以我认为这不是一个bug,只是想知道为什么.

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

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

根据这个页面,""的小写是"",与IgnoreCase选项相比,它们应该相等.为什么他们不平等？

Answer 1

为了捍卫 Java API：该方法的文档String.equalsIgnoreCase从未声称它可以在任意 Unicode 代码点上“按预期”工作。它说：

如果以下至少一项为真，则两个字符 c1 和 c2 被视为相同，忽略大小写：

• 两个字符相同（通过 == 运算符进行比较）
• 将方法 Character.toUpperCase(char) 应用于每个字符会产生相同的结果
• 将方法 Character.toLowerCase(char) 应用于每个字符会产生相同的结果

因此，文档非常明确地指出它适用Character.toUpperCase于chars，即 UTF-16代码单元，而不是 Unicode 代码点。

Character.toUpperCase(int codePoint)如果您在每个代码点上使用该方法，则比较的行为将按预期进行。这是 Scala 中的一个简短示例（使用完全相同的 Java API，高阶forall方法希望是不言自明的）：

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

印刷

true

正如预期的那样。这是为什么呢？我认为人们可以放心地将这一问题归咎于向后兼容性。