C#字符串比较等于false

我有一个字符串比较问题，在大多数情况下，它的行为与预期的一样，但给我留下了大量重复的DB插入，因为我的代码没有检测到重复的字符串对

我以为我已经把它缩小到了一个文化问题（西里尔文字），我解决了这个问题，但现在我得到了“假否定”（两个明显相等的字符串显示为不相等）

我研究了以下类似的问题，并尝试了以下比较方法

类似于我检查过的问题：

下面是一个比较字符串的示例：（标题和说明）

提要标题：埃尔斯伯格：他是个英雄

feed desc:丹尼尔·埃尔斯伯格告诉CNN的唐·莱蒙，国家安全局泄密者爱德华·斯诺登表现出了勇气，做了巨大的贡献

db标题：Ellsberg:他是个英雄

db desc:Daniel Ellsberg告诉CNN的Don Lemon，NSA泄密者爱德华·斯诺登表现出了勇气 做了大量的工作

我的应用程序将从RSS提要获取的值与我在数据库中的值进行比较，并且应该只插入“新”值

显然，我一次只使用了上述选项中的一个

在大多数情况下，上述选项确实有效，并且检测到了大多数重复项，但是仍然有重复项从裂缝中滑过-我只需要了解“裂缝”是什么，所以任何建议都是非常受欢迎的

我甚至尝试过将字符串转换成字节数组并进行比较（抱歉，我刚才删除了该代码）

文章

对象如下：

    public class Article
    {
        public string Title;
        public string Description;
    }

更新：

我尝试过规范化字符串以及包含

IgnoreSymbols

CompareOption，但仍然得到一个假阴性（不匹配）。然而我注意到的是，撇号似乎在虚假的非匹配中出现一致；所以我想这可能是撇号和单引号的对比，比如“vs”（等等），但是无知的符号应该避免吗

我发现了两个更相似的SO帖子： 下一步：根据以下答案尝试使用正则表达式去除空白：

更新2 在6次比较仍然没有得到匹配结果后，我意识到必须有另一个因素影响结果，所以我尝试了以下方法

//7
IEnumerable<Article> matches7 = thisFeedArticles.Where(b =>
    Regex.Replace(b.Title, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Title, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase) &&
    Regex.Replace(b.Description, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Description, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase)
    );

/7
IEnumerable matches7=此提要。其中（b=>
Regex.Replace（b.Title，[^0-9a-zA-Z]+”）.Equals（Regex.Replace（a.Title，[^0-9a-zA-Z]+”），StringComparison.InvariantCultureIgnoreCase）&&
Regex.Replace（b.Description，“[^0-9a-zA-Z]+”，”）.Equals（Regex.Replace（a.Description，“[^0-9a-zA-Z]+”，”），StringComparison.InvariantCultureIgnoreCase）
);

这确实找到了其他人错过的匹配

下面的字符串通过了所有6个比较，但不是第7个：

a.Title.Trim（）.Normalize（）

和

a.Title.Trim（）

都返回：

“勘误表：一种独特的TGF-β依赖性分子和蛋白质的鉴定。” 小胶质细胞的功能特征

数据库中的值为：

“勘误表：一种独特的TGF-ß依赖性分子和蛋白质的鉴定。” 小胶质细胞的功能特征

仔细检查表明，与feed中的“βvsß”相比，DB中的德语“eszett”字符有所不同

我本以为至少有一个比较1-6会发现这一点

有趣的是，经过一些性能比较后，Regex选项决不是七个选项中最慢的<代码>规范化似乎比正则表达式更加密集！ 当

thisFeedArticles

对象包含12077项时，以下是所有七项的

Stopwatch

持续时间

经过的时间：00:00:00.0000662
经过的时间：00:00:00.0000009
经过的时间：00:00:00.0000009
经过的时间：00:00:00.0000009
经过的时间：00:00:00.0000009
经过的时间：00:00:00.0000009
经过时间：00:00:00.0000016

Unicode字符串可以是“二进制”不同的，即使它们“语义”相同

---

尝试规范化字符串。有关更多信息，请参见

如果这些字符串来自数据库，则可能需要了解数据库列的声明方式以及使用的排序规则。“但我现在得到的‘误报’（两个明显相等的字符串）显示为不相等。”这不是‘误报’吗？还要检查比较字符串的长度，也许他们包含了一些无形的字符，你也可以考虑归一化字符串，见Yea，我同意@ MattBurland。另外，您可以发布您遇到问题的实际字符串吗？如果将它们复制粘贴到文字中，比较是否仍然失败？数据中有隐藏的字符吗？不幸的是，在我的情况下，这并不是一个可靠的选择。见上文更新2。感谢所有这些经过更多测试后，您的第一条评论似乎是解决我问题的正确方法。在SSMS中，我运行了一个包含“α”（alpha）的查询，并且输出没有包含“α”，而是包含一个“a”。讨论中的列是varchar，将它们更改为nvarchar可能是必要的，但这是我一直担心的事情（10M+行…）dev db和prod db之间的排序规则也不同，这对测试/调试没有帮助。@AdamHey显然很好，特别是在处理西里尔字符时。这是我的第一个预感。但既然你没有反应，我想你已经有了答案。

    public class Article
    {
        public string Title;
        public string Description;
    }

//7
IEnumerable<Article> matches7 = thisFeedArticles.Where(b =>
    Regex.Replace(b.Title, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Title, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase) &&
    Regex.Replace(b.Description, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Description, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase)
    );