为什么String的endsWith和startsWith方法不一致？

Question

我有以下测试用例，但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，使得以下表达式返回 true。

"ALİ".toLowerCase().endsWith("i");

我猜对于 C# 和 Java 来说是不同的。

- Mehmet Ataş

---

你能否修改你的问题，不要使用 toLowerCase()？toLowerCase() 方法输出什么字符？ - 4castle

请查看我的更新，附带 println。 - Mehmet Ataş

现在尝试打印 i1.length() 和 i2.length()。 - Pshemo

长度不同 :) 我又更新了我的问题。 - Mehmet Ataş

toLowerCase 不接受字符串作为参数，也不返回布尔值，因此它不能评估为 true。 - nbrooks

请参阅Java Bug JDK-8020037 String.toLowerCase incorrectly increases length, if string contains \u0130 char。 - Andreas

Answer 1

这是因为在英语环境下，小写的 İ（“带点的拉丁大写字母 i”）会变成两个字符：“拉丁小写字母 i”和“上加点符号”。这就解释了为什么它以 i 开始，但不以 i 结束（而是以一个组合变音标记结束）。

在土耳其环境下，小写的 İ 根据土耳其语言学规则简单地变成“拉丁小写字母 i”，因此你的代码会起作用。

以下是一个测试程序，可帮助确定发生了什么：

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();
  }
}

当我们在配置为英语的系统上运行它时，我们将得到以下结果：

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

当我们在配置为土耳其语的系统上运行它时，我们会得到以下结果:

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

这甚至是API文档中String.toLowerCase(Locale)所使用的具体示例，它是您可以使用的方法，以获取特定语言环境中的小写版本，而不是系统默认语言环境。

- that other guy

Answer 2

İ是Unicode字符'LATIN CAPITAL LETTER I WITH DOT ABOVE' (U+0130)，它是一个长度为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)（一个普通的i）。
• Unicode字符'COMBINING DOT ABOVE' (U+0307)。

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

- Andreas

Answer 3

执行toLowerCase()函数后，字符串长度变为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

其小写表示法中的第一个字符是小写拉丁字母 i，而第二个字符是一个变音符号：

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

所以小写字符串确实以 i 开头，但它不以此结尾。

- nbrooks

Answer 4

你的测试失败是因为你错误地使用了方法... String i2 = "İ" 是土耳其字母i的大写形式，如果在转换时没有给出区域设置，则该方法将失败。

使用区域设置可能会有所帮助 :)

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));
} 

输出结果将会是：

105

105

true

true

true

true

- ΦXocę 웃 Пepeúpa ツ

---

如果我不知道本地化是什么怎么办？ - Mehmet Ataş