Java 的 toLowerCase() 是否保留原始字符串长度？

Question

假设有两个 Java String 对象：

String str = "<my string>";
String strLower = str.toLowerCase();

对于 的每个值，表达式的

str.length() == strLower.length()

计算结果是否为 true？

那么，String.toLowerCase() 是否会为任何 String 值保留原始字符串长度？

Answer 1

令人惊讶的是它没有！

来自 的 Java 文档改为小写

使用给定区域设置的规则将此字符串中的所有字符转换为小写。大小写映射基于Character 类指定的Unicode 标准版本。 由于大小写映射并不总是 1:1 字符映射，因此生成的字符串可能与原始字符串的长度不同。

示例：

package com.stackoverflow.q2357315;

import java.util.Locale;

public class Test {
    public static void main(String[] args) throws Exception {
        Locale.setDefault(new Locale("lt"));
        String s = "\u00cc";
        System.out.println(s + " (" + s.length() + ")"); // Ì (1)
        s = s.toLowerCase();
        System.out.println(s + " (" + s.length() + ")"); // i̇̀ (3)
    }
}

Answer 2

首先，我想指出，我绝对同意@codaddict 的（目前评分最高的）答案。

但我想做一个实验，所以这里是：

这不是一个正式的证明，但是这段代码为我运行而没有到达 if 的内部（使用 JDK 1.6.0 Update Ubuntu 上的版本为 16）：

编辑： 这里还有一些处理区域设置的更新代码：

import java.util.Locale;

public class ToLowerTester {
    public final Locale locale;

    public ToLowerTester(final Locale locale) {
        this.locale = locale;
    }

    public String findFirstStrangeTwoLetterCombination() {
        char[] b = new char[2];
        for (char c1 = 0; c1 < Character.MAX_VALUE; c1++) {
            b[0] = c1;
            for (char c2 = 0; c2 < Character.MAX_VALUE; c2++) {
                b[1] = c2;
                final String string = new String(b);
                String lower = string.toLowerCase(locale);
                if (string.length() != lower.length()) {
                    return string;
                }
            }
        }
        return null;
    }
    public static void main(final String[] args) {
        Locale[] locales;
        if (args.length != 0) {
            locales = new Locale[args.length];
            for (int i=0; i<args.length; i++) {
                locales[i] = new Locale(args[i]);
            }
        } else {
            locales = Locale.getAvailableLocales();
        }
        for (Locale locale : locales) {
            System.out.println("Testing " + locale + "...");
            String result = new ToLowerTester(locale).findFirstStrangeTwoLetterCombination();
            if (result != null) {
                String lower = result.toLowerCase(locale);
                System.out.println("Found strange two letter combination for locale "
                    + locale + ": <" + result + "> (" + result.length() + ") -> <"
                    + lower + "> (" + lower.length() + ")");
            }
        }
    }
}

使用接受的答案中提到的区域设置名称运行该代码将打印一些示例。在不带参数的情况下运行它将尝试所有可用的区域设置（并且需要相当长的时间！）。

它并不广泛，因为理论上可能存在行为不同的多字符字符串，但这是一个很好的初步近似。

另请注意，以这种方式生成的许多两个字符组合可能是无效的 UTF-16 ，因此这段代码中没有任何爆炸的事实只能归咎于 Java 中非常强大的 String API。

最后但并非最不重要的一点是：即使当前的 Java 实现的假设是正确的，一旦 Java 的未来版本实现了 Unicode 标准的未来版本，这种情况就很容易改变，其中新字符的规则可能会出现不再适用的情况。确实如此。

所以依赖于此仍然是一个非常糟糕的主意。

Answer 3

还要记住 toUpperCase() 也不保留长度。示例：对于德语语言环境，“straße”变为“STRASSE”。因此，如果您使用区分大小写的字符串并且需要存储某些内容的索引，那么您或多或少会遇到麻烦。

编辑：

这是@julaine的。这是丑陋的旧式代码，但我不再积极使用 Java 进行编码。

import java.util.Locale;

class Uppercase {
  public static void main(String[] args) {
    Locale.setDefault(new Locale.Builder().setLanguage("de").setRegion("DE").build());
    String str = "straße";
    System.out.println(str.toUpperCase());
  }
}

如果你运行它，你会发现我是对的：

$ javac Uppercase.java
$ java -cp . Uppercase
STRASSE

原因很简单，直到 2017 年（左右），ß 的唯一官方大写是 SS（或更罕见的 SZ）。语言环境中不需要字典来处理这个问题:-)