Java regex unicode 支持是否包括完整的大小写折叠？答案

【问题标题】：Does Java regex unicode support include full case folding?Java regex unicode 支持是否包括完整的大小写折叠？
【发布时间】：2022-01-11 20:17:33
【问题描述】：

假设这些字符串定义：

String lowerStream = "ﬂüßchen";
String upperStream = "FLÜSSCHEN";
String streamPattern = ".*(ss).*";

使用这种模式：

Pattern pattern = Pattern.compile(streamPattern, Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE);

...这个断言通过了：

assertThat( pattern.matcher(upperStream).find() ).isTrue()

...这个失败了：

assertThat( pattern.matcher(lowerStream).find() ).isTrue()

...而 both lowerStream 和 upperStream 使用这些正则表达式中的每一个传递 rubular.com：

/.*(ss).*/i

/.*(SS).*/i

/.*(ß).*/i

使用String.equalsIgnoreCase()、String.toLowerCase().equals() 或String.toUpperCase().equals() 中的任何一个也无法成功进行比较。

java 的 unicode 正则表达式是否只支持简单的大小写折叠？如果是这样，为什么没有明确记录？

【问题讨论】：

“如果是这样，为什么没有明确记录？” - 你是在问为什么 Oracle 的 javadocs 没有特别提到它？
你检查过Character.toUpperCase()和toLowerCase()吗？只是好奇，不知道是不是不一样。
我想确定我没有误解 Pattern.UNICODE_CASE 标志的期望。而且，如果其中一件事是它不支持完整的案例折叠，我想知道它是否记录在 anywhere 是这种情况，因为我没有发现任何警告该标志的 javadoc 记录
@markspace：我没有，但会检查

标签： java regex unicode case-folding

【解决方案1】：

在我的系统上，它似乎正确地将小写转换为大写：

public class IfTesting {

   public static void main( String[] args ) {
      String lowerStream = "ﬂüßchen";
      String upperStream = "FLÜSSCHEN";
      System.out.println( "upper case: " + Arrays.toString( upperStream.getBytes()) );
      System.out.println( "lower case to upper: " + Arrays.toString( lowerStream.toUpperCase().getBytes() ) );
   }

}

输出结果：

run:
upper case: [70, 76, -61, -100, 83, 83, 67, 72, 69, 78]
lower case to upper: [70, 76, 85, -52, -120, 83, 83, 67, 72, 69, 78]
BUILD SUCCESSFUL (total time: 0 seconds)

您可以看到“S”（十进制的 83）出现在输出中。我不知道这是否有帮助，但在某种程度上，Java 似乎了解如何转换您提供的字符。 OTOH 我猜由于 83 显然在 ASCII 范围内，如果您尝试另一种方式，它将被转换为小写的 ASCII 's'。所以这可能会使转换为大写更好。您在匹配字符串中使用了小写“ss”。

【讨论】：

将模式更改为使用 SS 无法在 flüßchen 上找到或匹配
这可能是正则表达式中的错误。也许考虑在 Open JDK 讨论列表上提问？