调用 .ToUpper() 时新字符串是否可能需要更多内存？

Question

我想在 MemoryExtensions 命名空间中使用以下函数

public static int ToUpper(this ReadOnlySpan<char> source, Span<char> destination, CultureInfo? culture)

我现在的问题是：当目标 Span 的长度与源 Span 的长度相同时，我是否总是安全的？例如

destination = stackalloc char[source.Length];

如果不是，有人可以提供一个示例，当在（包括哪种文化）中调用 ToUpper 时，该字符串会转换为更大的字符串吗？

Answer 1

MemoryExtensions.ToUpper回报-1如果目的地太小则

\n

源代码为ToUpper这个 gem：

\n

// Assuming that changing case does not affect length\nif (destination.Length < source.Length)\n    return -1;\n

\n

没有其他地方可以-1返回点，函数以return source.Length;

\n

所以他们认为这不可能发生。他们是否正确是另一个问题：如果你找到反例，我建议你在 GitHub 上提交错误报告。

\n

的文档TextInfo（稍后在代码中使用）说：

\n

\n

返回的字符串的长度可能与输入字符串不同。有关大小写的更多信息，请参阅 Unicode 联盟 ( https://www.unicode.org/ )发布的 Unicode 技术报告 #21“大小写映射” 。当前的实现保留了字符串的长度。但是，这种行为并不能得到保证，并且可能在未来的实现中发生变化。

\n

\n\n

为了进一步澄清，我们讨论的是 UTF-16 中的代码点。我们没有考虑 UTF-8 或 UTF-32，因为char严格来说是 UTF-16。

\n

Unicode 定义大小写映射如下：

\n

\n

\n

• 简单（单字符）案例映射

  \n

  ICU 中的一般病例映射是非基于语言的，是 1 对 1 的通用字符映射。

  \n

  如果 Unicode 字符数据库 (UnicodeData.txt) 中为某个字符指定了相应的 \xe2\x80\x9csimple\xe2\x80\x9d 大小写映射，则该字符被视为具有小写、大写或标题大小写等效项。如果字符没有对应的映射，则结果是字符本身。

  \n

  为一般大小写映射提供的 API（位于 uchar.h 文件中）仅处理 UChar32 类型的单个字符并仅返回单个字符。要将字符串转换为非基于语言的特定情况，请使用带有 NULL 参数区域设置的 unistr.h 或 ustring.h 文件中的 API。

  \n
\n

• 完整（特定语言）案例映射

  \n

  不同的区域设置有不同的大小写映射。例如，与英语不同，土耳其语中的字符拉丁小写字母 \xe2\x80\x98i\xe2\x80\x99 具有等效的拉丁大写字母 \xe2\x80\x98I\xe2\x80\x99，上面有点 ( \\u0130 \xe2\x80\x98\xc4\xb0\xe2\x80\x99）。

  \n

  与简单大小写映射 API 类似，如果 Unicode 字符数据库 (UnicodeData.txt) 中为字符指定了相应的映射，则该字符被视为具有小写、大写或标题大小写等效项。在字符没有映射等效项的情况下，结果是字符本身。

  \n

  要将字符串转换为基于特定情况的语言，请使用 ustring.h 和 unistr.h 中的 API 以及预期的参数区域设置。

  \n

  ICU 实现完整的 Unicode 字符串大小写映射。

  \n

  一般来说：

  \n
  \n
  • 大小写映射可以更改字符串的代码点和/或代码单元的数量，
  \n
  • 是语言敏感的（结果可能因语言而异），并且
  \n
  • 是上下文相关的（输入字符串中的字符可能会根据周围的字符进行不同的映射）。
  \n
  \n
\n

\n

\n

TL;博士;

\n

理论上，代码点的数量可能会改变（这与字节数是分开的）。但.NET 目前还没有实现这一点。这可能会在没有通知的情况下发生变化，但由于Span.

\n