您实际上不能在字符串或字符上使用 做正确的工作。问题在于,存在大写或小写的变体字形,并且根据您是大写还是小写,您的字形可能会保留,也可能不会保留。当你说小写字形的两个变体被比较为忽略大小写时,你甚至不清楚你的意思:它们是还是不一样?(请注意,也有混合大小写的字形:或 Dž、Lj、Nj、Dz,但这里建议的任何方法都可以使用,只要它们应与完全大写或完全小写变体相同。toLowerCase
\u01c5, \u01c8, \u01cb, \u01f2
使用还有一个额外的问题:大约有80个代码点不能用单个代码点表示,它们是大写/小写变体(每个有40个),至少由Java的代码点上/下大小写检测到。因此,您需要获取代码点并更改这些代码点的大小写。Char
Char
但是代码点对变体字形没有帮助。
无论如何,这里有一个完整的字形列表,这些字形由于变体而存在问题,显示了它们如何与6种变体方法相抗衡:
- 字符
toLowerCase
- 字符
toUpperCase
- 字符串
toLowerCase
- 字符串
toUpperCase
- 字符串
equalsIgnoreCase
- 字符(反之亦然)
toLowerCase(toUpperCase)
对于这些方法,意味着变体彼此被视为相同,意味着变体被视为彼此不同。S
D
Behavior Unicode Glyphs
=========== ================================== =========
1 2 3 4 5 6 Upper Lower Var Up Var Lo Vr Lo2 U L u l l2
- - - - - - ------ ------ ------ ------ ------ - - - - -
D D D D S S \u0049 \u0069 \u0130 \u0131 I i İ ı
S D S D S S \u004b \u006b \u212a K k K
D S D S S S \u0053 \u0073 \u017f S s ſ
D S D S S S \u039c \u03bc \u00b5 Μ μ µ
S D S D S S \u00c5 \u00e5 \u212b Å å Å
D S D S S S \u0399 \u03b9 \u0345 \u1fbe Ι ι ͅ ι
D S D S S S \u0392 \u03b2 \u03d0 Β β ϐ
D S D S S S \u0395 \u03b5 \u03f5 Ε ε ϵ
D D D D S S \u0398 \u03b8 \u03f4 \u03d1 Θ θ ϴ ϑ
D S D S S S \u039a \u03ba \u03f0 Κ κ ϰ
D S D S S S \u03a0 \u03c0 \u03d6 Π π ϖ
D S D S S S \u03a1 \u03c1 \u03f1 Ρ ρ ϱ
D S D S S S \u03a3 \u03c3 \u03c2 Σ σ ς
D S D S S S \u03a6 \u03c6 \u03d5 Φ φ ϕ
S D S D S S \u03a9 \u03c9 \u2126 Ω ω Ω
D S D S S S \u1e60 \u1e61 \u1e9b Ṡ ṡ ẛ
更复杂的是,除非您知道自己是土耳其语,否则没有办法使土耳其语I正确(即虚线版本与未标记的版本不同);这些方法都没有给出正确的行为,除非你知道区域设置(即非土耳其语:并且是相同的忽略大小写;土耳其语,不是)。i
I
总体而言,使用可以为您提供最接近的近似值,因为您只有五个大写变体(或四个,不计算土耳其语)。toUpperCase
您也可以尝试专门拦截这五个麻烦的案例,并单独调用它们。如果您仔细选择警卫(只是如果,然后通过其他替代方案),对于低范围内的字符,您只能获得约20%的速度惩罚(如果您将单个字符转换为字符串和它们,则为~4倍),如果您在危险区域中有很多字符,则只能受到约2倍的惩罚。你仍然有点阵的区域设置问题,但除此之外,你的状态还不错。当然,如果你可以在一个更大的字符串上使用,你最好这样做。toUpperCase(toLowerCase(c))
toUpperCase
c < 0x130 || c > 0x212B
equalsIgnoreCase
I
equalsIgnoreCase
以下是完成这项工作的示例Scala代码:
def elevateCase(c: Char): Char = {
if (c < 0x130 || c > 0x212B) Character.toUpperCase(c)
else if (c == 0x130 || c == 0x3F4 || c == 0x2126 || c >= 0x212A)
Character.toUpperCase(Character.toLowerCase(c))
else Character.toUpperCase(c)
}