java - 比较两个在字典顺序上相同但在字节级别不相同的字符串

Question

我正在寻找一种方法来比较两个 Java 字符串，这两个字符串在字典顺序上是等效的，但在字节级别上不相同。

更准确地说，取下面的文件名“baaaé.png”，在字节级别，它可以用两种不同的方式表示:

[98, 97, 97, 97, -61, -87, 46, 112, 110, 103] --> "é"用 2 个字节编码

[98, 97, 97, 97, 101, -52, -127, 46, 112, 110, 103] --> "é"用 3 个字节编码

    byte[] ch = {98, 97, 97, 97, -61, -87, 46, 112, 110, 103};
    byte[] ff = {98, 97, 97, 97, 101, -52, -127, 46, 112, 110, 103};

    String st = new String(ch,"UTF-8");
    String st2 = new String(ff,"UTF-8");
    System.out.println(st);
    System.out.println(st2);
    System.out.println(st.equals(st2));

将生成以下输出:

baaaé.png
baaaé.png
false

有没有办法进行比较，使 equals 方法返回 true ？

Answer 1

您可以使用 Collator具有适用强度的类可以规范化不同重音符号等内容。这将使您能够成功地比较字符串。

在这种情况下，美国语言环境和 TERTIARY 强度足以使字符串相等

Collator usCollator = Collator.getInstance();
usCollator.setStrength(Collator.TERTIARY);
System.out.println(usCollator.equals(st, st2));

输出

true

您还可以使用 Java 的 Normalizer类在不同形式的 Unicode 之间进行转换。这将转换您的字符串，但它们最终会相同，从而允许您使用标准字符串工具进行比较

最后，不妨看看ICU (Unicode 的国际组件)项目，它提供了许多工具，用于以多种不同方式处理 Unicode 字符串。