如何比较字形相同但编码不同的两个字

今天在做字符串比较时遇到个很新奇的问题，在此记录一下。

字符串比较最常用的方法就是equals方法，来看一下下面这个比较会返回什么结果呢？

public static void main(String[] args) {
    {
        String s1 = "⽹"; // 12153
        String s2 = "网"; // 32593
        boolean result = s1.equals(s2);
        System.out.println(result);
    }

    {
        String s1 = "⽺"; // 12154
        String s2 = "羊"; // 32650
        boolean result = s1.equals(s2);
        System.out.println(result);
    }
}

你第一眼看到这段代码可能会想 “这作者该不会是个傻子吧？”，😂

但是，两个result结果又确实都是false。

Java的String对象中char字符的编码格式为UTF-16。debug看一下这几个字的UTF-16的值

看看，看着长的一样的字，UTF-16的值却不同，确实不是同一个字符吧

这是什么情况呢？网上搜了一通，大概是什么“兼容表意文字区”与“统一表意文字区”的区别，我对文字编码了解不深，感兴趣的自己去研究吧。

那产品经理看到该说了：“这两个字明明长的一样，你总不能告诉用户说这俩字不是同一个字吧？你用技术手段处理下，让他们做比较时认为是同一个字”

我说：“xxxxxxxxx……没问题”，只不过需要一个方法来将字符串提前处理一下，这个方法是jdk自带的：

这是加上转换的代码

public static void main(String[] args) {
    {
        String s1 = "⽹"; // 12153
        String s2 = "网"; // 32593
        s1 =  Normalizer.normalize(s1,Normalizer.Form.NFC);
        s2 =  Normalizer.normalize(s2,Normalizer.Form.NFC);
        boolean result = s1.equals(s2);
        System.out.println(result);
    }

    {
        String s1 = "⽺"; // 12154
        String s2 = "羊"; // 32650
        s1 =  Normalizer.normalize(s1,Normalizer.Form.NFC);
        s2 =  Normalizer.normalize(s2,Normalizer.Form.NFC);
        boolean result = s1.equals(s2);
        System.out.println(result);
    }
}

debug一下看看转换后的结果

转换了一道后，值一样了，再次使用 equals 就返回 true 了，大功告成。