Unicode大小写折叠到大写
我正试图实现一个库来读取MicrosoftCfB（复合文件二进制）格式的文件，根据该格式的官方规范。该规范可用 简而言之，文件的某些结构存储在一棵红黑树中。我对用于在树中存储这些结构的比较谓词有一个问题。规范指出，如果这些结构的名称（字符串存储为UTF-16，Windows API中的标准）不同，则有必要迭代每个UTF-16代码点，并： （…）使用Unicode默认大小写转换将其转换为大写 算法，简单大小写转换变体（简单大小写折页），带有以下注释。比较每个大写UTF-16码位二进制值Unicode大小写折叠到大写,unicode,utf-16,case-folding,Unicode,Utf 16,Case Folding,我正试图实现一个库来读取MicrosoftCfB（复合文件二进制）格式的文件，根据该格式的官方规范。该规范可用 简而言之，文件的某些结构存储在一棵红黑树中。我对用于在树中存储这些结构的比较谓词有一个问题。规范指出，如果这些结构的名称（字符串存储为UTF-16，Windows API中的标准）不同，则有必要迭代每个UTF-16代码点，并： （…）使用Unicode默认大小写转换将其转换为大写 算法，简单大小写转换变体（简单大小写折页），带有以下注释。比较每个大写UTF-16码位二进制值 参考说明：
CaseFolding-4.txt0392; C; 03B2; # GREEK CAPITAL LETTER BETA
03D0; C; 03B2; # GREEK BETA SYMBOL
因此，我们无法知道是否应将
03B2039203D003B2;GREEK SMALL LETTER BETA;Ll;0;L;;;;;N;;;0392;;0392
03D0;GREEK BETA SYMBOL;Ll;0;L;<compat> 03B2;;;;N;GREEK SMALL LETTER CURLED BETA;;0392;;0392
03B2；希腊文小写字母BETA；陆上通信线；0;LN0392;;0392
03D0；希腊贝塔符号；陆上通信线；0;L03B2；；；；N希腊文小写字母卷曲BETA；；0392;;0392
这表明希腊文小写字母Beta确实应该映射到希腊文Beta符号，顺便说一下，这两个符号具有一定程度的兼容性。它还包含您正在寻找的双向大小写转换的其余部分。您可能还需要查看SpecialCasing.txt以了解边界情况。摘要：微软使用的措辞……至少可以说是令人困惑的。看起来应该进行简单的大写映射，尽管我不能确定
背景 部分混淆可能是大小写折叠和大小写映射之间的差异。大小写映射将每个字符映射到指定的大小写。大小写折叠虽然是基于较低的大小写，但其定义是为了产生无大小写字符（） 现在有两种不同的大小写映射和大小写折叠，简单和完整。与简单转换不同，完整转换可以更改字符串长度，正如您正确指出的，这里不需要完整转换。规范特别提到了simple，这可能是这个答案中唯一清楚的地方。我确实觉得有必要提到当前的Unicode标准（6.3.0）提到默认的大小写转换是完整的转换，尽管Microsoft references（3.1.1）版本似乎没有这样的区别 规格分析 （…）使用Unicode默认大小写转换算法、简单大小写转换变体（简单大小写折叠）转换为大写，并带有以下注释。比较每个大写的UTF-16码位二进制值 对我来说，这句话似乎表明他们想要大写，只是说了一个错误，用大小写折叠代替大小写映射。但接下来是你引用的参考： 对于Windows XP和Windows Server 2003：复合文件实现符合Unicode 3.0.1默认大小写转换算法，简单大小写折叠（），但以下情况除外 他们实际上提到了箱子折叠数据文件！在这一点上，我不知道该怎么想。我的主要想法是，微软希望折叠手机壳，但错误地认为它是基于上壳而不是下壳。这甚至有点牵强，但这是我能够最接近于调和这一可能的矛盾，我希望有更好的解释 我在下面找到了支撑某种形式上套管的结构： […]使用特殊的不区分大小写的大写映射比较目录条目名称，如中所述 请注意，它们实际上在这里使用术语映射 例外列表 看看上面提到的WindowsXP和WindowsServer2003的代码，大多数条目都是减法，这表明微软希望保留不同的代码点。但是，在表中，代码点实际上是按与Unicode大小写折叠数据文件相反的顺序列出的 对此的一种解释是，这只是一种显示怪癖。在最后一行中，他们减去大小写转换
0x03C2->0x03C20x03C2->0x03C3第三解释是考虑它们对Unicode实例折叠数据FIL的引用。