为什么 String.endsWith 和 String.startsWith 不一致？ [复制]

Question

我有以下测试用例，只有第一个断言通过。为什么？

@Test
public void test() {
    String i1 = "i";
    String i2 = "İ".toLowerCase();

    System.out.println((int)i1.charAt(0)); // 105
    System.out.println((int)i2.charAt(0)); // 105

    assertTrue(i2.startsWith(i1));

    assertTrue(i2.endsWith(i1));
    assertTrue(i1.endsWith(i2));
    assertTrue(i1.startsWith(i2));
}

回复后更新

我正在尝试以不区分大小写的方式使用 startsWith 和 endsWith，这样，下面的表达式应该返回 true。

"ALİ".toLowerCase().endsWith("i");

我猜C# 和Java 是不同的。

Answer 1

这是因为小写İ（“拉丁大写字母 i with dot above") 在英文语言环境中变成两个字符：“latin small letter i”和“combining dot above”。

这解释了为什么它以i 开头，但不以i 结尾（而是以组合变音符号结尾）。

在土耳其语言环境中，根据土耳其语言学规则，小写 İ 简单地变为“拉丁小写字母 i”，因此您的代码可以正常工作。

这里有一个测试程序可以帮助弄清楚发生了什么：

class Test {
  public static void main(String[] args) {
    char[] foo = args[0].toLowerCase().toCharArray();
    System.out.print("Lowercase " + args[0] + " has " + foo.length + " chars: ");
    for(int i=0; i<foo.length; i++) System.out.print("0x" + Integer.toString((int)foo[i], 16) + " ");
    System.out.println();
  }
}

这是我们在配置为英语的系统上运行它时得到的结果：

$ LC_ALL=en_US.utf8 java Test "İ"
Lowercase İ has 2 chars: 0x69 0x307

这是我们在为土耳其语配置的系统上运行它时得到的结果：

$ LC_ALL=tr_TR.utf8 java Test "İ"
Lowercase İ has 1 chars: 0x69

这甚至是 String.toLowerCase(Locale) 的 API 文档使用的特定示例，您可以使用该方法在特定语言环境中获取小写版本，而不是系统默认语言环境。

Answer 2

执行toLowerCase()函数后，字符串长度为2而不是1；该字符的小写版本由两个字符表示：

000> "İ".length()
===> 1
000> "İ".toLowerCase().length()
===> 2

其小写表示的第一个字符是小写拉丁文i，而第二个字符是变音符号：

000> "İ".toLowerCase().charAt(0)
===> i
000> "İ".toLowerCase().charAt(1)
===> ̇

所以小写字符串确实“以”i开头，但不以它结尾。

Answer 3

İ是Unicode字符'LATIN CAPITAL LETTER I WITH DOT ABOVE' (U+0130)，是一个长度为1的Java字符串。

"İ".toLowerCase() 返回一个长度为 2 的 Java 字符串：

• Unicode 字符'LATIN SMALL LETTER I' (U+0069)（普通的i）。
• Unicode 字符'COMBINING DOT ABOVE' (U+0307)。

那是因为没有'LATIN SMALL LETTER I WITH DOT ABOVE' 这样的字符。它在 Unicode 中不存在。

Answer 4

你的测试失败了，因为你使用了错误的方法......

String i2 = "İ" 是 i 的土耳其大写形式，如果您不提供转换的语言环境，则该方法将失败

使用语言环境可能会有所帮助:)

public static void main(String[] args) {

    String i1 = "i";
    String i2 = "İ".toLowerCase(Locale.forLanguageTag("tr-TR"));

    System.out.println((int)i1.charAt(0)); // 105
    System.out.println((int)i2.charAt(0)); // 105

    System.out.println(i2.startsWith(i1));
    System.out.println(i2.endsWith(i1));
    System.out.println(i1.endsWith(i2));
    System.out.println(i1.startsWith(i2));
} 

输出将是

105

105

是的

是的

是的

是的