Сохраняет ли Java toLowerCase() исходную длину строки?

Question

Предположим, что есть два объекта Java String:

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

Верно ли тогда, что для любого значения <my string> выражение

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

оценивается как true?

Итак, делает String.toLowerCase() сохранить исходную длину строки для любого значения String?

Answer 1

Удивительно, но это так нет!!

Из документации Java в нижний регистр

Преобразует все символы в этой строке в нижний регистр, используя правила данного языкового стандарта.Сопоставление регистра основано на версии стандарта Юникода, указанной классом символов. Поскольку сопоставления регистра не всегда являются сопоставлениями символов 1:1, результирующая строка может иметь длину, отличную от исходной строки.

Пример:

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

Прежде всего, я хотел бы отметить, что я абсолютно согласен с ответом @codaddict (на данный момент имеющим самый высокий рейтинг).

Но мне захотелось провести эксперимент, и вот он:

Это не формальное доказательство, но у меня этот код выполнялся, даже не достигнув внутренней части if (с использованием JDK 1.6.0, обновление 16 в Ubuntu):

Редактировать: Вот обновленный код, который также обрабатывает локали:

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() + ")");
            }
        }
    }
}

Запуск этого кода с именами локалей, упомянутыми в принятом ответе, приведет к печати нескольких примеров.Запуск без аргументов проверит все доступные локали (и это займет довольно много времени!).

Это не так уж и обширно, потому что теоретически могут существовать многосимвольные строки, которые ведут себя по-разному, но это хорошее первое приближение.

Также обратите внимание, что многие из двухсимвольных комбинаций, созданных таким образом, вероятно, являются недопустимыми UTF-16, поэтому в том, что в этом коде ничего не происходит, можно винить только очень надежный String API в Java.

И последнее но не менее важное:даже если предположение верно для текущей реализации Java, оно может легко измениться, как только будущие версии Java реализуют будущие версии стандарта Unicode, в которых правила для новых символов могут создавать ситуации, когда это больше не соответствует действительности.

Так что зависеть от этого все еще довольно плохая идея.

Answer 3

Также помните, что toUpperCase() также не сохраняет длину.Пример:«straße» становится «STRASSE» для немецкого языка.Итак, вы более или менее облажались, если работаете со строками, чувствительными к регистру, и вам нужно для чего-то сохранить индекс.