2

我的目标是创建一个方法，该方法采用两个带有特殊字符的字符串并正确比较它们。我正在努力理解字符编码的逻辑。

所以，我的字符串看起来像：

黑泽尔 - 这个女孩在看着我

我有这个字符串的两个副本。一个是通过第三方 API 通过 $.ajax() 提供给我的，另一个是来自我的服务器的反序列化，也使用 $.ajax()。

我的原始字符串，当表示为字符代码时，看起来像：

Array[33]
0: 72
1: 97
2: 776
3: 122
4: 101
5: 108
6: 32
7: 45
8: 32
9: 84
10: 104
11: 105
12: 115
13: 32
14: 71
15: 105
16: 114
17: 108
18: 32
19: 73
20: 115
21: 32
22: 87
23: 97
24: 116
25: 99
26: 104
27: 105
28: 110
29: 103
30: 32
31: 77
32: 101

之后：

Array[32]
0: 72
1: 228
2: 122
3: 101
4: 108
5: 32
6: 45
7: 32
8: 84
9: 104
10: 105
11: 115
12: 32
13: 71
14: 105
15: 114
16: 108
17: 32
18: 73
19: 115
20: 32
21: 87
22: 97
23: 116
24: 99
25: 104
26: 105
27: 110
28: 103
29: 32
30: 77
31: 101

不同之处在于“ä”在序列化之前表示为 [97, 776]，在序列化之后表示为 [228]。

我想知道几件事：

  • 从这些信息中是否清楚正在使用什么编码？我不熟悉这个过程，谷歌上出现了很多关于 alt + numpad 组合键的信息，但我不认为这是正确的。
  • 是否可以将我的一根琴弦“投射”为另一根琴弦？
  • 是否可以创建一个通用的“比较器”函数来将这两个字符串等同起来？

在我看来，它们完全一样。目前我对编码没有偏好——我只希望两个字符串是等价的。

4

1 回答 1

2

字符串是字节序列。因此，它不能被渲染为除了位模式之外的任何东西。接下来，角色集开始发挥作用。在这里，您将数字映射到字符，例如 65 到A、 97 到a和 228 到ä。最后，您需要一个字符编码，它将数字映射到位模式。

对于数字 228，通常的 8 位编码仅用0xE4作位模式。UTF-8 编码将0xC3 0xA4用作位模式，UTF-16 将0x00 0xE4用作位模式。

所以为了正确比较一个字符串，你需要知道它的位模式（字节序列）、它的编码和它的字符集。如果缺少任何字符串，则无法正确比较字符串。

如今，Unicode 大部分时间都用作字符集。如果您只使用非常基本的字符，ASCII 也可以完成这项工作。ASCII 是 Unicode 的子集，因为前 127 个字符（代码点）是相同的。对于编码，7 位 ASCII 与 UTF-8 相同。

所以简而言之，如果不知道字符集和字符编码（或者至少不知道它们对于两个字符串是相同的），你根本无法比较字符串。

于 2013-07-12T01:02:42.610 回答