java - HTML ASCII 不区分大小写的 ICU 整理器

Question

我需要创建一个对应于https://www.w3.org/2005/xpath-functions/collat ion/html-ascii-case-insensitive/ 的整理器，即在进行比较时它会忽略 ASCIIA-Z和字符的大小写敏感性。a-z

我尝试使用以下 ICU4j 进行此操作RuleBasedCollator：

final RuleBasedCollator collator =
        new RuleBasedCollator("&a=A, b=B, c=C, d=D, e=E, f=F, g=G, h=H, "
                + "i=I, j=J, k=K, l=L, m=M, n=N, o=O, p=P, q=Q, r=R, s=S, t=T, "
                + "u=U, v=V, u=U, v=V, w=W, x=X, y=Y, z=Z").freeze();

但是，以下比较似乎失败了，我希望它会成功（即 return true）：

final SearchIterator searchIterator = new StringSearch(
        "pu", new StringCharacterIterator("iNPut"), collator);
return searchIterator.first() >= 0;

我的规则中缺少什么？

score 3 · Accepted Answer

这个 W3C “排序规则”看起来不像通常意义上的 Collator。这是一个不区分大小写的 ASCII 匹配器，没有排序。我怀疑它通常是用低级代码实现的，这些代码不区分大小写地匹配 ASCII 字母，而其他一切都精确匹配。见https://www.w3.org/TR/xpath-functions-31/#html-ascii-case-insensitive-collation
Collator 规则可能不会像您认为的那样做。逗号是第三级差异的旧语法，因此&a=A, b=B, c=C与&a=A<<<b=B<<<c=C. 我想你打算像这样的东西&a=A &b=B &c=C。

score 2 · Accepted Answer

com.ibm.icu.text.RuleBasedCollator#compare

返回一个整数值。如果源小于目标，则值小于零，如果源和目标相等，则值为零，如果源大于目标，则值大于零

String a = "Pu";
String b = "pu";

RuleBasedCollator c1 = (RuleBasedCollator) Collator.getInstance(new Locale("en", "US", ""));
RuleBasedCollator c2 = new RuleBasedCollator("& p=P");
System.out.println(c1.compare(a, b) == 0);
System.out.println(c2.compare(a, b) == 0);

Output
======
false
true

似乎规则不是问题所在，SearchIterator 代码似乎有问题。

如果您不必使用 SearchIterator，那么也许您可以编写自己的“包含”方法。也许是这样的：

boolean contains(String a, String b, RuleBasedCollator c) {
  int index = 0;
  while (index < a.length()) {
    if (a.length() < b.length()) {
      return false;
    }

    if (c.compare(a.substring(0, b.length()), b) == 0) {
      return true;
    }

    a = a.substring(1);
  }
  return false;
}

也许不是世界上最好的代码，但你明白了。

java - HTML ASCII 不区分大小写的 ICU 整理器

2 回答 2

Related

Reference