如何在swift中比较包含unicode字符的字符串相等性？

Question

在我的应用程序中，我试图比较来自具有多个 JSON 文件的 repo 的值，每个 JSON 文件将具有某个国家/地区的值作为字典，例如：

{cz: "Doplňky k Apple TV"
 dk: "Apple TVtilbehør" }  //string1 == "Doplňky k Apple TV"

类似的，我有一个本地 plist，它也将具有相同国家/地区的 dict，例如：

{cz: "Doplňky*k*Apple*TV"
 dk: "*Apple*TV*Tilbehør*" } //string2 == "Doplňky*k*Apple*TV"

所以，基本上我需要比较每个国家/地区的值，然后只向用户显示差异。

因此，在这种情况下，JSON 文件 (string1) 和本地 plist(string2) 中的 cz 值是相同的，除了 string2 中有星号。当我删除星号并比较字符串时，它们仍然不匹配，因为 Doplňky k Apple TV 在 string1 中的 Apple 之后有不可见的 unicode 空间，看起来像一个空格。

下面是我实现逻辑的代码：

if string2.replaceString(["*", "\u{00a0}"], " ").trimmingCharacters(in: .whitespaces) == string1.replacingOccurrences(of: "\u{00a0}", with: " "){
  //Do something
}

Answer 1

Doplňky k Apple TV 字符串看起来像是来自 Apple 网站。当我在他们的网站上查看时，这个字符串包含Apple 和TV 之间的NO-BREAK SPACE (U+00A0)。它是一个空格字符，但不等于普通的SPACE (U+0020)。

"Doplňky k Apple\u{00a0}TV" == "Doplňky k Apple TV" // false

首先要指定 - 重要吗？我们是否应该平等对待？

然后你有Apple TVtilbehør & *Apple*TV*Tilbehør* 字符串。是故意错字吗？还是Apple TVtilbehør 应该是Apple TV Tilbehør？让我们假设这是为了测试您的比较而故意拼写错误。

接下来，*Apple*TV*Tilbehør* 字符串中的这些*（在开头/结尾）是...？ 第二件事要说明——我们应该忽略它们吗？它们代表空格吗？

接下来是Unicode equivalence。您想如何比较这两个字符串？ Swift 在这里为您提供帮助 (source)：

使用等于运算符 (==) 或关系运算符（如 < 或 >=）比较字符串是否相等始终使用 Unicode 规范表示。结果，字符串的不同表示比较相等。

"Cafe\u{301}" == "Café" // true

其他国家呢？像德国一样，Straße 等于 Strasse？ 要指定的第三件事 - 我们应该如何处理这些字符串？

如您所见，有很多事情需要考虑。你有规格吗？跟着它。没有规范？你的算法迟早会停止工作。

游乐场

我冒昧地自行指定了所有这些内容：

• 所有空格都相等
• * 开头/结尾无所谓（忽略）
• Straße 不等于 Strasse

示例代码：

import Foundation

let json = [
    // U+00A0 is NO-BREAK SPACE which looks like a normal space (U+0020)
    "cz": "Doplňky k Apple\u{00a0}TV",
    "dk": "Apple TV Tilbehør",
    "en": "Hello",
    "de": "Straße",
    "fr": "Expos\u{00E9}" // Exposé
]

let plist = [
    "cz": "Doplňky*k*Apple*TV",
    "dk": "*Apple*TV*Tilbehør*",
    "es": "Hola",
    "de": "Strasse",
    "fr": "Expose\u{0301}" // Exposé
]

let jsonKeys = Set(json.keys)
let plistKeys = Set(plist.keys)
let commonKeys = jsonKeys.intersection(plistKeys)
let keysMissingInJson = plistKeys.subtracting(jsonKeys)
let keysMissingInPlist = jsonKeys.subtracting(plistKeys)

print("Languages missing in JSON: \(keysMissingInJson.count)")
keysMissingInJson.forEach { key in
    print(" - \(key)")
}

print("Languages missing in PLIST: \(keysMissingInPlist.count)")
keysMissingInPlist.forEach { key in
    print(" - \(key)")
}

let differentValueKeys: [String] = commonKeys.compactMap { key in
    guard let initialJsonValue = json[key], let initialPlistValue = plist[key] else {
        fatalError("Fix commonKeys")
    }
    
    // Replace all whitespace characters with a normal space
    let jsonValue = String(
        initialJsonValue.map { $0.isWhitespace ? " " : $0 }
    )
    
    let plistValue = initialPlistValue
        // Replace all * with a normal whitespace
        .replacingOccurrences(of: "*", with: " ")
        // Trim all whitespace characters from the beginning/end
        .trimmingCharacters(in: .whitespaces)
    
    return jsonValue == plistValue ? nil : key
}

print("Different values: \(differentValueKeys.count)")
differentValueKeys.forEach { key in
    print(" - \(key): JSON(\(json[key]!)) PLIST(\(plist[key]!))")
}

输出：

Languages missing in JSON: 1
 - es
Languages missing in PLIST: 1
 - en
Different values: 1
 - de: JSON(Straße) PLIST(Strasse)