问题具有不对称大写/小写的Unicode字符。为什么？

为什么以下三个字符不对称 toLower， toUpper 结果

/**
  * Written in the Scala programming language, typed into the Scala REPL.
  * Results commented accordingly.
  */
/* Unicode Character 'LATIN CAPITAL LETTER SHARP S' (U+1E9E) */
'\u1e9e'.toHexString == "1e9e" // true
'\u1e9e'.toLower.toHexString == "df" // "df" == "df"
'\u1e9e'.toHexString == '\u1e9e'.toLower.toUpper.toHexString // "1e9e" != "df"
/* Unicode Character 'KELVIN SIGN' (U+212A) */
'\u212a'.toHexString == "212a" // "212a" == "212a"
'\u212a'.toLower.toHexString == "6b" // "6b" == "6b"
'\u212a'.toHexString == '\u212a'.toLower.toUpper.toHexString // "212a" != "4b"
/* Unicode Character 'LATIN CAPITAL LETTER I WITH DOT ABOVE' (U+0130) */
'\u0130'.toHexString == "130" // "130" == "130"
'\u0130'.toLower.toHexString == "69" // "69" == "69"
'\u0130'.toHexString == '\u0130'.toLower.toUpper.toHexString // "130" != "49"

1823

2017-09-20 20:57

起源

也许是因为Unicode含糊不清？某些字形在Unicode中有多种表示形式 toLower 后 toUpper 反之亦然，规范化为“最低”代码点。

杰夫莫泽的优秀土耳其测试站特别是土耳其语问题。 - MPG

答案:

对于第一个，有这个解释：

在德语中，Sharp S（“ß”或U + 00df）是一个小写字母，它大写字母“SS”。

换句话说，U + 1E9E小写到U + 00DF，但U + 00DF的大写不是U + 1E9E。

对于第二个，U + 212A（KELVIN SIGN）小写到U + 0068（LATIN SMALL LETTER K）。 U + 0068的大写字母是U + 004B（LATIN CAPITAL LETTER K）。这个似乎对我有意义。

对于第三种情况，U + 0130（拉丁语大写字母I上面有点）是土耳其语/阿塞拜疆语字符，小写字母为U + 0069（LATIN SMALL LETTER I）。我想如果你不知何故在土耳其/阿塞拜疆的地方，你会得到U + 0069的正确大写版本，但这可能不一定是普遍的。

字符不一定具有对称的大写和小写变换。

编辑： 为了回应下面的PhiLho评论， Unicode 6.0规范关于U + 212A（KELVIN SIGN）有这个说法：

三个字母符号被赋予规范字母的规范等价：U + 2126 OHM SIGN， U + 212A KELVIN SIGN，和U + 212B ANGSTROM SIGN。在所有三个实例中，应使用常规字母。如果根据Unicode标准附件＃15“Unicode规范化表单”对文本进行规范化，则这三个字符将被其常规等价物替换。

换句话说，你不应该真正使用U + 212A，你应该使用U + 004B（LATIN CAPITAL LETTER K），如果你规范化你的Unicode文本，U + 212A应该用U + 004B代替。

2017-09-20 21:07

我发现错误的是给出小写等效的开尔文符号，单位符号的情况永远不应该改变。 IE浏览器。即使在所有大写冠军中，人们都应该写道：“4小时内他们42公里”...... - PhiLho

人们总是对Unicode案件感到困惑，因为他们认为一切都像26个ASCII字母一样工作，但事实并非如此。例如，想想三个希腊sigma的情况。此外，还有一些小写代码点，在映射时不会改变大小写等。实际上有四种Unicode情况，在某种意义上，“折叠大小写”是第四种。要比较两个不区分大小写的字符串，必须将每个字符串映射到它们的大小写折叠并比较该映射的结果。 - tchrist

实际上，它不是关于Unicode，而是关于文化习俗。德国人将大写字母称为SS，Unicode只是为了纪念这种做法。 - Mihai Nita

@tchrist：映射到“折叠案例”，你会怎么做？将 uc(lc(c)) 做？ - maaartinus

@maaartinus没有数量 uc 要么 lc 组合将可靠地使您进入Unicode提供的折叠大小写映射。这就是Perl提供的原因 fc 功能。如果您遇到Java，可能会查看ICU库，这可能有些东西。 - tchrist

我可以参考另一篇关于Unicode和大小写的帖子。认为语言符号是一个常见的错误 不得不 有大小写可供选择！

Java中的Unicode纠正标题案例

2017-09-20 21:19

特别适用于表意文字...... :-) - PhiLho

你实际上不能在Java中使用Unicode正确的标题。只有一个 Character 方法，而不是 String 方法是大写和小写的方式。这是一个真正的问题。 - tchrist

问题 具有不对称大写/小写的Unicode字符。为什么？

答案:

热门问题

问题具有不对称大写/小写的Unicode字符。为什么？