我遇到了一个令人惊讶的问题。
我在我的应用程序中加载了一个文本文件，我有一些逻辑来比较带有 µ 的值。
我意识到，即使两个文本内容相同，比较的结果也是错误的。
Console.WriteLine("μ".Equals("µ")); // returns false
Console.WriteLine("µ".Equals("µ")); // return true
后来的行中复制粘贴了字符 µ。
然而，这些可能不是唯一看起来相同但实际上不同的字符。
C# 中有没有比较这些外观相同但实际上不同的字符的方法？
因为它们是不同的符号，即使它们看起来相同，第一个是实际的字母并具有char code = 956 (0x3BC)，而第二个是微符号并具有181 (0xB5)。
参考资料：
因此，如果你想比较它们并且需要它们相等，你需要手动处理，或在比较之前用一个字符替换另一个字符，或使用以下代码：
public void Main()
{
var s1 = "μ";
var s2 = "µ";
Console.WriteLine(s1.Equals(s2)); // false
Console.WriteLine(RemoveDiacritics(s1).Equals(RemoveDiacritics(s2))); // true
}
static string RemoveDiacritics(string text)
{
var normalizedString = text.Normalize(NormalizationForm.FormKC);
var stringBuilder = new StringBuilder();
foreach (var c in normalizedString)
{
var unicodeCategory = CharUnicodeInfo.GetUnicodeCategory(c);
if (unicodeCategory != UnicodeCategory.NonSpacingMark)
{
stringBuilder.Append(c);
}
}
return stringBuilder.ToString().Normalize(NormalizationForm.FormC);
}
并且 演示
这意味着U+00B5，即您原始比较中的第二个字符，可以被分解为U+03BC，即第一个字符。分解 <compat> 希腊小写字母μ（U+03BC）
因此，您将使用规范化形式KC或KD对字符进行完全兼容性分解。这是我编写的一个快速示例以演示：
using System;
using System.Text;
class Program
{
static void Main(string[] args)
{
char first = 'μ';
char second = 'µ';
// Technically you only need to normalize U+00B5 to obtain U+03BC, but
// if you're unsure which character is which, you can safely normalize both
string firstNormalized = first.ToString().Normalize(NormalizationForm.FormKD);
string secondNormalized = second.ToString().Normalize(NormalizationForm.FormKD);
Console.WriteLine(first.Equals(second)); // False
Console.WriteLine(firstNormalized.Equals(secondNormalized)); // True
}
}
有关Unicode规范化和不同的规范化形式的详细信息，请参阅 System.Text.NormalizationForm 和 Unicode规范。
他们两个有不同的字符编码：点击此处了解更多细节
Console.WriteLine((int)'μ'); //956
Console.WriteLine((int)'µ'); //181
其中，第一个是：
Display Friendly Code Decimal Code Hex Code Description
====================================================================
μ μ μ μ Lowercase Mu
µ µ µ µ micro sign Mu
针对特定的例子，例如μ和µ，后者具有到前者的兼容分解，因此您可以将字符串 标准化为FormKC或FormKD，以将微符号转换为mu。
然而，有许多一组看起来相似但在任何Unicode标准化形式下都不等效的字符。例如，A（拉丁字母）、Α（希腊字母）和А（西里尔字母）。 Unicode网站上有一个confusables.txt文件，其中列出了这些字符，旨在帮助开发人员防范同形攻击。如有必要，您可以解析此文件并构建用于“视觉标准化”字符串的表格。
ToUpper / ToLower 难以实现。你需要让 "B".ToLower() 在英语中成为 b，在希腊语中成为 β，在俄语中成为 в。目前只有土耳其语（无点的 i）和其他几种语言需要与默认大小写规则不同的规则。 - dan04
搜索在Unicode数据库中查找这两个字符并看到区别。
Name : MICRO SIGN Block : Latin-1 Supplement Category : Letter, Lowercase [Ll] Combine : 0 BIDI : Left-to-Right [L] Decomposition : <compat> GREEK SMALL LETTER MU (U+03BC) Mirror : N Index entries : MICRO SIGN Upper case : U+039C Title case : U+039C Version : Unicode 1.1.0 (June, 1993)
Name : GREEK SMALL LETTER MU Block : Greek and Coptic Category : Letter, Lowercase [Ll] Combine : 0 BIDI : Left-to-Right [L] Mirror : N Upper case : U+039C Title case : U+039C See Also : micro sign U+00B5 Version : Unicode 1.1.0 (June, 1993)
编辑：在将此问题与如何在C#中比较'μ'和'µ'合并后，发布的原始答案如下：
"μ".ToUpper().Equals("µ".ToUpper()); //This always return true.
编辑 阅读评论后，是的，使用上述方法可能会为某些其他类型的输入提供错误的结果，因此我们应该使用wiki中提到的完全兼容分解的normalize。 （感谢BoltClock发布的答案）
static string GREEK_SMALL_LETTER_MU = new String(new char[] { '\u03BC' });
static string MICRO_SIGN = new String(new char[] { '\u00B5' });
public static void Main()
{
string Mus = "µμ";
string NormalizedString = null;
int i = 0;
do
{
string OriginalUnicodeString = Mus[i].ToString();
if (OriginalUnicodeString.Equals(GREEK_SMALL_LETTER_MU))
Console.WriteLine(" INFORMATIO ABOUT GREEK_SMALL_LETTER_MU");
else if (OriginalUnicodeString.Equals(MICRO_SIGN))
Console.WriteLine(" INFORMATIO ABOUT MICRO_SIGN");
Console.WriteLine();
ShowHexaDecimal(OriginalUnicodeString);
Console.WriteLine("Unicode character category " + CharUnicodeInfo.GetUnicodeCategory(Mus[i]));
NormalizedString = OriginalUnicodeString.Normalize(NormalizationForm.FormC);
Console.Write("Form C Normalized: ");
ShowHexaDecimal(NormalizedString);
NormalizedString = OriginalUnicodeString.Normalize(NormalizationForm.FormD);
Console.Write("Form D Normalized: ");
ShowHexaDecimal(NormalizedString);
NormalizedString = OriginalUnicodeString.Normalize(NormalizationForm.FormKC);
Console.Write("Form KC Normalized: ");
ShowHexaDecimal(NormalizedString);
NormalizedString = OriginalUnicodeString.Normalize(NormalizationForm.FormKD);
Console.Write("Form KD Normalized: ");
ShowHexaDecimal(NormalizedString);
Console.WriteLine("_______________________________________________________________");
i++;
} while (i < 2);
Console.ReadLine();
}
private static void ShowHexaDecimal(string UnicodeString)
{
Console.Write("Hexa-Decimal Characters of " + UnicodeString + " are ");
foreach (short x in UnicodeString.ToCharArray())
{
Console.Write("{0:X4} ", x);
}
Console.WriteLine();
}
输出
INFORMATIO ABOUT MICRO_SIGN
Hexa-Decimal Characters of µ are 00B5
Unicode character category LowercaseLetter
Form C Normalized: Hexa-Decimal Characters of µ are 00B5
Form D Normalized: Hexa-Decimal Characters of µ are 00B5
Form KC Normalized: Hexa-Decimal Characters of µ are 03BC
Form KD Normalized: Hexa-Decimal Characters of µ are 03BC
________________________________________________________________
INFORMATIO ABOUT GREEK_SMALL_LETTER_MU
Hexa-Decimal Characters of µ are 03BC
Unicode character category LowercaseLetter
Form C Normalized: Hexa-Decimal Characters of µ are 03BC
Form D Normalized: Hexa-Decimal Characters of µ are 03BC
Form KC Normalized: Hexa-Decimal Characters of µ are 03BC
Form KD Normalized: Hexa-Decimal Characters of µ are 03BC
________________________________________________________________
FormC和FormD规范化值不相等总计: 12,118字符（int值）: 192-197，199-207，209-214，217-221，224-253，..... 44032-55203FormKC和FormKD规范化值不相等总计: 12,245字符（int值）: 192-197，199-207，209-214，217-221，224-228，..... 44032-55203，64420-64421，64432-64433，64490-64507，64512-64516，64612-64617，64663-64667，64735-64736，65153-65164，65269-65274FormC和FormD规范化值不相等的字符，它们的FormKC和FormKD规范化值也不相等，除了这些字符901 '΅'，8129 '῁'，8141 '῍'，8142 '῎'，8143 '῏'，8157 '῝'，8158 '῞', 8159 '῟'，8173 '῭'，8174 '΅'FormKC和FormKD规范化值不相等，但它们的FormC和FormD规范化值相等总计: 119452 'DŽ' 453 'Dž' 454 'dž' 12814 '㈎' 12815 '㈏' 12816 '㈐' 12817 '㈑' 12818 '㈒'
12819 '㈓' 12820 '㈔' 12821 '㈕'，12822 '㈖' 12823 '㈗' 12824 '㈘' 12825 '㈙' 12826 '㈚'
12827 '㈛' 12828 '㈜' 12829 '㈝' 12830 '㈞' 12910 '㉮' 12911 '㉯' 12912 '㉰' 12913 '㉱'
12914 '㉲' 12915 '㉳' 12916 '㉴' 12917 '㉵' 12918 '㉶' 12919 '㉷' 12920 '㉸' 12921 '㉹' 12922 '㉺' 12923 '㉻' 12924 '㉼' 12925 '㉽' 12926 '㉾' 13056 '㌀' 13058 '㌂' 13060 '㌄' 13063 '㌇' 13070 '㌎' 13071 '㌏' 13072 '㌐' 13073 '㌑' 13075 '㌓' 13077 '㌕' 13080 '㌘' 13081 '㌙' 13082 '㌚' 13086 '㌞' 13089 '㌡' 13092 '㌤' 13093 '㌥' 13094 '㌦' 13099 '㌫' 13100 '㌬' 13101 '㌭' 13102 '㌮' 13103 '㌯' 13104 '㌰' 13105 '㌱' 13106 '㌲' 13108 '㌴' 13111 '㌷'
这些链接可以帮助您了解Unicode等价性的规则：
请注意，保留原文中的HTML标签。"m".ToUpper().Equals("µ".ToUpper()); 和 "M".ToUpper().Equals("µ".ToUpper()); 也是正确的，这可能不是想要的结果。 - Andrew Leach很可能存在两个不同的字符编码呈现相同的字符，虽然从技术上讲它们并不相等，但它们看起来是相等的。查看字符表，看看是否存在该字符的多个实例。或者在代码中打印出这两个字符的字符编码。
如果我想要严格一点，我会说你的问题没有意义，但既然我们正在接近圣诞节，鸟儿在唱歌，我就继续回答。
首先，你试图比较的两个实体是“字形”，一个字形是由通常被称为“字体”的一组字形提供的，这个东西通常以ttf、otf或其他文件格式的形式出现。
字形是给定符号的表示，由于它们是依赖于特定集合的表示，所以你不能指望有两个相似甚至“更好”的相同符号，如果你考虑上下文，这是一个毫无意义的短语，你至少应该在制定这样一个问题时指定你正在考虑的字体或字形集。
通常用于解决类似于你遇到的问题的方法是OCR，本质上是一种识别和比较字形的软件，如果C#默认提供OCR，我不知道，但如果你不真正需要OCR并且知道如何使用它，这通常是一个非常糟糕的想法。
你可能会将一本物理书解释成古希腊书籍，而不提及OCR通常在资源方面昂贵的事实。DrawString方法可以使用相同的字体风格和大小绘制两个字符。生成具有符号的两个位图后，可以逐像素进行比较。