Ha toLowerCase di Java () preservare originale lunghezza della stringa?

Question

Si supponga due oggetti Java String:

String str = "<my string>";
String strLower = str.toLowerCase();

E 'quindi vero che per ogni valore di <my string> l'espressione

str.length() == strLower.length()

viene valutato come true?

Quindi, fa String.toLowerCase() preservare la lunghezza della stringa originale per ogni valore di stringa?

Answer 1

A sorpresa lo fa non !!

Da documenti Java di toLowerCase

  

Converte tutti i personaggi di questa stringa in minuscolo utilizzando le regole della data Locale. mappatura caso è basata sulla versione standard Unicode specificato dalla classe di caratteri. Poiché caso mappature non sono sempre 1: 1 mapping char, la stringa risultante può essere una lunghezza diversa rispetto alla stringa originale

.

Esempio:

package com.stackoverflow.q2357315;

import java.util.Locale;

public class Test {
    public static void main(String[] args) throws Exception {
        Locale.setDefault(new Locale("lt"));
        String s = "\u00cc";
        System.out.println(s + " (" + s.length() + ")"); // Ì (1)
        s = s.toLowerCase();
        System.out.println(s + " (" + s.length() + ")"); // i̇̀ (3)
    }
}

Answer 2

Prima di tutto, vorrei sottolineare che sono assolutamente d'accordo con la (attualmente più alto-rated) risposta @codaddict.

Ma ho voluto fare un esperimento, ecco che è:

Non è una prova formale, ma questo codice ha funzionato per me, senza mai raggiungere l'interno del if (usando JDK 1.6.0 Aggiornamento 16 su Ubuntu):

Modifica Ecco un po 'di codice aggiornato che gestisce versioni locali così:

import java.util.Locale;

public class ToLowerTester {
    public final Locale locale;

    public ToLowerTester(final Locale locale) {
        this.locale = locale;
    }

    public String findFirstStrangeTwoLetterCombination() {
        char[] b = new char[2];
        for (char c1 = 0; c1 < Character.MAX_VALUE; c1++) {
            b[0] = c1;
            for (char c2 = 0; c2 < Character.MAX_VALUE; c2++) {
                b[1] = c2;
                final String string = new String(b);
                String lower = string.toLowerCase(locale);
                if (string.length() != lower.length()) {
                    return string;
                }
            }
        }
        return null;
    }
    public static void main(final String[] args) {
        Locale[] locales;
        if (args.length != 0) {
            locales = new Locale[args.length];
            for (int i=0; i<args.length; i++) {
                locales[i] = new Locale(args[i]);
            }
        } else {
            locales = Locale.getAvailableLocales();
        }
        for (Locale locale : locales) {
            System.out.println("Testing " + locale + "...");
            String result = new ToLowerTester(locale).findFirstStrangeTwoLetterCombination();
            if (result != null) {
                String lower = result.toLowerCase(locale);
                System.out.println("Found strange two letter combination for locale "
                    + locale + ": <" + result + "> (" + result.length() + ") -> <"
                    + lower + "> (" + lower.length() + ")");
            }
        }
    }
}

L'esecuzione di codice che con i nomi delle versioni locali citati nella risposta accettata stamperà alcuni esempi. L'esecuzione senza un argomento cercherà tutti i locale disponibili (e prendere un po 'di tempo!).

E 'non molto ampio, perché in teoria ci potrebbero essere le stringhe multi-carattere che si comportano in modo diverso, ma è una buona prima approssimazione.

Si noti inoltre che molte delle combinazioni di due caratteri prodotte in questo modo sono probabilmente validi UTF-16, quindi il fatto che esplode Nessuna disposizione del presente codice può essere imputato solo su un robusto API String in Java.

E, ultimo ma non meno importante: anche se l'ipotesi è vera per l'attuale implementazione di Java, che può facilmente cambiare le versioni una volta future di Java implementano le future versioni dello standard Unicode, in cui le regole per i nuovi personaggi possono introdurre situazioni in cui questo non è più vale.

Quindi, a seconda questo è ancora una brutta idea.

Answer 3

Anche ricordare che toUpperCase () non mantiene la lunghezza sia. Esempio: “Strasse” diventa “strasse” per la versione locale tedesca. Così sei più o meno avvitata se si sta lavorando con le stringhe maiuscole e minuscole ed è necessario memorizzare l'indice di qualcosa.