someString.IndexOf(someString) 在 .NET 4 下返回 1 而不是 0

Question

我们最近将所有项目从 .NET 3.5 升级到 .NET 4。关于string.IndexOf()，我遇到了一个相当奇怪的问题。

我的代码显然做了一些稍微不同的事情，但在调查问题的过程中，我发现在一个字符串上调用 IndexOf() 本身返回 1 而不是 0。 换句话说：

string text = "\xAD\x2D";          // problem happens with "­-dely N.China", too;
int index = text.IndexOf(text);    // see update note below.

给我的索引是 1，而不是 0。关于这个问题需要注意的几点：

• 问题似乎与这些连字符有关（第一个字符是 Unicode 软连字符，第二个是常规连字符）。

• 我已经仔细检查过，这在 .NET 3.5 中不会发生，但在 .NET 4 中会发生。

• 将IndexOf() 更改为进行序数比较可解决问题，因此由于某种原因，默认IndexOf 会忽略第一个字符。

有人知道为什么会这样吗？

编辑

对不起，伙计们，在原始帖子上做了一些东西，并在那里两次获得了隐藏的破折号。我已经更新了字符串，只要将它粘贴到正确的编辑器中，它应该返回 1 而不是 2 的索引。

更新：

将原始问题字符串更改为每个实际字符都清晰可见的字符串（使用转义）。这稍微简化了问题。

Answer 1

您的字符串包含两个字符：soft hyphen（Unicode 代码点 173）和 hyphen（Unicode 代码点 45）。

Wiki：根据 Unicode 标准，如果该点没有断行，则不会显示软连字符。

在 .NET 4 中使用 "\xAD\x2D".IndexOf("\xAD\x2D") 时，似乎忽略了您正在寻找软连字符，返回起始索引 1（\x2D 的索引）。在 .NET 3.5 中，这将返回 0。

如果你运行这段代码会更有趣（所以当只寻找软连字符时）：

string text = "\xAD\x2D";
string shy = "\xAD";
int i1 = text.IndexOf(shy);

然后i1 变为 0，无论使用什么 .NET 版本。 text.IndexOf(text); 的结果确实不同，乍一看对我来说就像一个错误。

据我所知，较早的 .NET 版本使用 InternalCall 到 IndexOfString()（我不知道该调用哪个 API），而从 .NET 4 开始使用 @987654325 @ 到 InternalFindNLSStringEx() 被创建，然后调用 FindNLSStringEx()。

调用FindNLSStringEx时确实出现了这个问题（我真的不知道这是否是预期的行为）：

LPCWSTR lpStringSource = L"\xAD\x2D";
LPCWSTR lpStringValue = L"\xAD";

int length;

int i = FindNLSStringEx(
    LOCALE_NAME_SYSTEM_DEFAULT,
    FIND_FROMSTART,
    lpStringSource,
    -1,
    lpStringValue,
    -1,
    &length,
    NULL,
    NULL,
    1);

Console::WriteLine(i);

i = FindNLSStringEx(
    LOCALE_NAME_SYSTEM_DEFAULT,
    FIND_FROMSTART,
    lpStringSource,
    -1,
    lpStringSource,
    -1,
    &length,
    NULL,
    NULL,
    1);

Console::WriteLine(i);

Console::ReadLine();

先打印0再打印1。注意length，一个表示找到的字符串长度的out参数，第一次调用后为0，第二次调用后为1；软连字符被计为长度为 0。

如您所述，解决方法是使用text.IndexOf(text, StringComparison.OrdinalIgnoreCase);。这会向InternalCompareStringOrdinalIgnoreCase() 发起一个QCall，后者又调用FindStringOrdinal()，这两种情况都返回0。

Answer 2

这似乎是 .NET4 中的一个错误，.NET4 Beta1 中的新更改恢复到与 .NET 2.0/3.0/3.5 相同的先前版本。

What's New in the BCL in .NET 4.0 CTP（MSDN 博客）：

.NET 4 中的字符串安全性更改

默认情况下，System.String 上的部分匹配重载（StartsWith、EndsWith、IndexOf 和 LastIndexOf）已更改为与区域性无关（序数）。

此更改影响String.IndexOf 方法的行为，默认情况下将它们更改为执行序数（逐字节）比较，并将更改为使用CultureInfo.InvariantCulture 而不是CultureInfo.CurrentCulture。

.NET 4 Beta 1 更新

为了保持 .NET 4 与以前版本之间的高度兼容性，我们决定恢复此更改。 String 的默认部分匹配重载以及 String 和 Char 的 ToUpper 和 ToLower 方法的行为现在与它们在 .NET 2.0/3.0/3.5 中的行为相同。 .NET 4 Beta 1 中存在对原始行为的更改。

---

To fix this，将字符串比较方法更改为接受System.StringComparison 枚举作为参数的重载，并指定Ordinal 或OrdinalIgnoreCase。

// string contains 'unicode dash' \x2D
string text = "\xAD\x2D"; 

// woks in .NET 2.0/3.0/3.5 and .NET 4 Beta 1 and later
// but seems be buggy in .NET 4 because of 'culture-sensitive' comparison        
int index = text.IndexOf(text); 

// fixed version
index = text.IndexOf(text, StringComparison.Ordinal); 

Answer 3

来自documentation（我的重点）：

此方法使用当前区域性执行单词（区分大小写和区域性）搜索。

即。一些不同的代码点将被视为平等。

如果您使用带有StringComparison 值并传递StringComparison.Ordinal 的重载来避免文化依赖性，会发生什么情况？