Вы не хотите хранить строчную версию строки «для поиска» !!
Это совершенно неправильный подход.Вы делаете несправедливые и неправильные предположения о том, как работает корпус Unicode.
Вот почему Unicode определяет отдельную вещь, называемую casefold для строки, отличную от трех разных падежей (строчные, заглавные и прописные).
Вот десять различных примеров , где вы будете делать неправильные вещи , если вы будете использовать строчные буквы вместо casefold:
ORIGINAL CASEFOLD LOWERCASE TITLECASE UPPERCASE
========================================================================
efficient efficient efficient Efficient EFFICIENT
flour flour flour Flour FLOUR
poſt post poſt Poſt POST
poſt post poſt Poſt POST
ſtop stop ſtop Stop STOP
tschüß tschüss tschüß Tschüß TSCHÜSS
weiß weiss weiß Weiß WEISS
WEIẞ weiss weiß Weiß WEIẞ
στιγμας στιγμασ στιγμας Στιγμας ΣΤΙΓΜΑΣ
ᾲ στο διάολο ὰι στο διάολο ᾲ στο διάολο Ὰͅ Στο Διάολο ᾺΙ ΣΤΟ ΔΙΆΟΛΟ
И да, я знаю множественное числостигмы это стигматы, а не стигмы;Я пытаюсь показать последнюю проблему сигмы.И ς, и σ являются действительными строчными версиями заглавной сигмы Σ.Если вы храните «только строчные буквы», то вы получите не то, что нужно.
Если вы используете класс Java Pattern, вы должны указать и CASE_INSENSITIVE, и UNICODE_CASE, и вы все равно не получите это право, потому что, хотя Java использует полное сопоставление регистра, оно использует только простое сложение регистра. Это проблема.
Что касается тюркских языков, то да, это правда, что для тюрков есть особый случай.Например, Стамбул имеет тюркскую заглавную букву Стамбул вместо Стамбул , которую вы должны получить.Поскольку я уверен, что они не будут выглядеть правильно для вас, я изложу это с именованными символами для не ASCII;Проще говоря, "\N{LATIN CAPITAL LETTER I WITH DOT ABOVE}stanbul" имеет тюркское складывание "\N{LATIN SMALL LETTER DOTLESS I}\N{COMBINING DOT ABOVE}stanbul" вместо "i\N{COMBINING DOT ABOVE}stanbul", которое вы обычно получаете.
Вот еще пара строк таблицы, если вы пишете набор для регрессионного тестирования:
[ "Henry Ⅷ", "henry ⅷ", "henry ⅷ", "Henry Ⅷ", "HENRY Ⅷ", ],
[ "I Work At Ⓚ", "i work at ⓚ", "i work at ⓚ", "I Work At Ⓚ", "I WORK AT Ⓚ", ],
[ "ʀᴀʀᴇ", "ʀᴀʀᴇ", "ʀᴀʀᴇ", "Ʀᴀʀᴇ", "ƦᴀƦᴇ", ],
[ "Ԧԧ", "ԧԧ", "ԧԧ", "Ԧԧ", "ԦԦ", ],
[ "???????", "???????", "???????", "???????", "???????", ],
[ "Ὰͅ", "ὰι", "ᾲ", "Ὰͅ", "ᾺΙ", ],
Где каждый столбец - это orig, fold, lc, tc и uc, как я и делал в предыдущей таблице выше.Еще раз обратите внимание, что в последней строке есть регистр, отличающийся от строчного.