Java 比较两个在字典上等价但在字节级别不相同的字符串

我正在寻找一种方法来比较两个Java字符串，它们在字典上是等价的，但在字节级别上不完全相同

更准确地说，以下面的文件名“baaaé.png”为例，在字节级别，它可以用两种不同的方式表示：

[98,97,97,97，-61，-87,46,112,110,103]-->用2个字节对“é”进行编码

[98，97，97，97，101，-52，-127，46，112，110，103]-->“é”用3个字节编码

    byte[] ch = {98, 97, 97, 97, -61, -87, 46, 112, 110, 103};
    byte[] ff = {98, 97, 97, 97, 101, -52, -127, 46, 112, 110, 103};

    String st = new String(ch,"UTF-8");
    String st2 = new String(ff,"UTF-8");
    System.out.println(st);
    System.out.println(st2);
    System.out.println(st.equals(st2));

将生成以下输出：

baaaé.png
baaaé.png
false

有没有办法进行比较，使equals方法返回true？

您可以使用具有适当强度的类来规范化不同的重音符号之类的内容。这将允许您成功地比较字符串

在本例中，一个US语言环境和一个三级强度足以使字符串相等

Collator usCollator = Collator.getInstance();
usCollator.setStrength(Collator.TERTIARY);
System.out.println(usCollator.equals(st, st2));

输出

true

您还可以使用Java的类在不同形式的Unicode之间进行转换。这将转换字符串，但它们最终将是相同的，允许您使用标准字符串工具进行比较

最后，take可能想看看（Unicode的国际组件）项目，该项目提供了许多工具，用于以多种不同的方式处理Unicode字符串。

您需要研究两种：

第一个是NFC和NFD。你在问题中给出的例子是NFC和NFD区别的一个很好的例子。您的第一个字符串在NFC中，而您的第二个字符串在NFD中

在Unicode中，许多重音字符可以用两种不同的方式表示：作为基础字符后跟组合重音，或作为预合成的重音字符。NFC在可用区域使用预合成字符。NFD总是使用分解的形式

通常我们不使用NFC和NFD的混合。大多数环境都会指定首选形式。非常简单：MacOS X文件名使用NFD，其他几乎所有文件名都使用NFC。但是，如果您得到的输入可能是“其他”规范化形式，您可以轻松地将其转换：过程简单（使用Unicode字符数据库提供的信息）且无损（即，如果您愿意，可以在NFC和NFD之间来回切换，而不会丢失信息）

---

java提供了一个名为的内置类，可以将字符串转换为给定的Unicode格式

还有两种其他的规范化形式：NFKC和NFKD。这些表格不是一般用途，只是用于词典比较。它们解释了一个事实，例如，在搜索或比较中，¼应被视为与1/4相同。但它们并不意味着¼和1/4是相同的，或者一个通常应转换为另一个

---

从NFC到NFKC以及从NFD到NFKD的转换也很简单（您需要角色数据库），但这一次是有损的。您需要保留原始的NFC/NFD文本，并仅将NFKC/NFKD用作搜索/排序键。

它们在这里的呈现方式不同。@dystroy这导致我们重新考虑“词典等价”语句：）@dystroy（强烈）首选的web规范化形式是NFC。显然，您的web浏览器采用简单的快捷方式，只支持NFC，不支持NFD。不管它值多少钱，我的也一样。显然，web浏览器并不费心实现NFD。然而，我可以将这两个示例复制并粘贴到一个不同的应用程序中，该应用程序支持NFC和NFD，并且它们的显示方式相同。java提供了一个名为的内置类，可以将字符串转换为给定的Unicode格式+1，以获得详细的答案，该答案清楚地解释了问题的根本原因。我已经测试了Normalizer类，它可以工作完美地谢谢