当比较 Unicode 字符时，JavaScript 字符串比较会失败。

Question

我想在JavaScript中比较两个字符串，它们相同，然而等号运算符==返回false。一个字符串包含了一个特殊字符（例如丹麦语的å）。

JavaScript代码：

var filenameFromJS = "Designhåndbog.pdf";
var filenameFromServer = "Designhåndbog.pdf";

print(filenameFromJS == filenameFromServer); // This prints false why?

解决方案 像 slevithan 指出的那样，对 Unicode 进行规范化对我很有效。

我分叉了我的原始 jsfiddle，并使用 slevithan 建议的规范化库制作了一个版本。链接：http://jsfiddle.net/GWZ8j/1/。

- tougher

---

请查看关于==和===的文章：https://dev59.com/Z3RC5IYBdhLWcg3wROpQ - Steve

当两个操作数的类型相同时，使用宽松比较或严格比较没有区别。 - PointedEars

这也非常有用: https://www.joelonsoftware.com/2003/10/08/the-absolute-minimum-every-software-developer-absolutely-positively-must-know-about-unicode-and-character-sets-no-excuses/ (开发人员需了解的有关Unicode和字符集的绝对最少知识) - GrahamMc

Answer 1

与其他人的说法不同，这与编码无关。相反，你的两个字符串使用不同的码位来呈现相同的可视字符。

为了正确解决这个问题，你需要在比较之前对这两个字符串执行Unicode规范化。不幸的是，JavaScript没有内置这个功能。这里有一个可以为你执行规范化的JavaScript库：https://github.com/walling/unorm

- slevithan

---

哦，我希望不会得到这个答案 :-) 我只是错过了显而易见的东西，不需要为这个简单的任务使用库。谢谢你的回答，我会尝试一下。 - tougher

你是对的，我忽略了CC 8A是UTF-8编码序列U+30A COMBINING RING ABOVE，它前面有一个a。另一个字符串是C3 A5，它编码了UTF-8中的U+00E5 LATIN SMALL LETTER A WITH RING ABOVE。据我所知，Mac OS更喜欢使用组合字符，而其他操作系统更喜欢使用单个字形形式。服务器应该能够转换其中任何一种形式，因此不需要大型客户端库。 - PointedEars

PointedEars，这并不一定是可能或理想的。例如，您可能不想执行服务器往返以执行字符串比较，或者您可能正在服务器上使用JavaScript。@Tougher，有一个提案将Unicode规范化添加到未来版本的JavaScript中。请参见strawman:unicode_normalization。 - slevithan

现在JS原生支持String#normalize()方法。 - Kaiido

Answer 2

JavaScript 相等运算符 == 在以下情况下似乎会失败。在所有情况下，这都是程序员的错误，而不是 JavaScript 的 bug。

1. 两个字符串不包含相同数量和序列的字符。

2. 一个字符串中存在空格或换行符，在其前面、中间或后面。对两个字符串使用 trim() 运算符，并仔细查看两个字符串。

3. 意外的类型转换。程序员比较了不兼容的数据类型。

4. 存在看起来相同但实际上不同的 Unicode 字符。

- Eric Leschinski

---

+1，因为这个答案比被接受的那个更详细，并且不包含任何关于nodeJS或jQuery的内容。 - unexist

在这种情况下，数字4是罪魁祸首。 - vahanpwns

不同的Unicode规范化并不涉及不同的字符，而是指使用不同的Unicode代码点序列来引用相同的字符。 - James

Answer 3

UTF-8 是一个复杂的东西。字符集对于像á、é等字符有两个不同的编码。正如您在 URL 编码版本中看到的那样，这些字符所组成的十六进制字节在两个版本中是不同的。

请参阅this答案以获取更多信息。

- user2428118

---

顺便提一下：Unicode 不等同于 UTF-8。Unicode 是一个字符集标准，包含多种编码方式；而 UTF-8 则是其中一种编码方式。 - PointedEars

现在你说UTF-8是一个字符集，但实际上它不是。我也非常确定你的前提是错误的：UTF-8代码序列不能以0xCC开头。 - PointedEars

你说得对，我应该称其为“编码”，因为它在（http://www.w3.org/TR/html4/charset.html）中出现。然而，HTML代码是`<meta charset=UTF-8>（HTML5）或<meta http-equiv=Content-Type content='text/html; charset=UTF-8'>`，所以有点误导人。 - user2428118

是的，我想我们将不得不接受早期互联网草案（我指的是RFC 822和相关文件）中的那个错误很长一段时间。 - PointedEars

我对0xCC的理解是错误的。Richard Ishida的优秀Unicode工具证明了这一点。 - PointedEars

Answer 4

让浏览器为您规范化Unicode。这种方法对我很有效：

function normalizeUnicode(s) {
    let div = $('<div style="display: none"></div>').html(s).appendTo('body');
    let res = div.html();
    div.remove();
    return res;
}

normalizeUnicode(unicodeVal1) == normalizeUnicode(unicodeVal2)

- Farkonix

Answer 5

我曾经也遇到过这个问题。

加上

<meta charset="UTF-8">

将 JSON 字符串嵌入 HTML 文件中导致了问题。

在我的情况下，模板引擎将 JSON 字符串嵌入到 HTML 文件中。该字符串是 Unicode 编码的。

虽然模板也是 Unicode 文件，但 JS 引擎将我写入模板的字符串视为 Latin-1 编码的字符串，直到我添加了 meta 标签。

我正在将输入的字符串与 JSON 对象项之一进行比较（location.title == "Mühle"）

- Daniel F