C＃字符串比较等同于假
我有一个字符串比较问题 - 大多数情况下 - 的行为如预期的那样，但是留下大量f重复的数据库插入，因为我的代码没有将字符串对检测为重复。
我以为我已经把它缩小到一个文化问题（西里尔字符），我解决了这个问题，但现在我得到了'假阴性'（两个显然相同的字符串显示为不等于）。
我看过以下类似的问题，并尝试了以下比较方法。
类似的问题，我已经检查：
这是一个比较字符串的例子:(标题和描述）
饲料标题： Ellsberg：他是英雄
feed desc：丹尼尔埃尔斯伯格告诉CNN的唐柠檬，NSA的泄密者爱德华斯诺登表现出勇气，做了一个巨大的服务。
db标题： Ellsberg：他是英雄
db desc：丹尼尔埃尔斯伯格告诉美国有线电视新闻网的唐·柠檬，国家安全局的泄密者爱德华斯诺登表现出勇气，做了一项巨大的服务。
我的应用程序将从RSS提要中提取的值与我在数据库中的值进行比较，并且应该只插入“新”值。
//fetch existing articles from DB for the current feed:
List<Article> thisFeedArticles = (from ar in entities.Items
where (ar.ItemTypeId == (int)Enums.ItemType.Article) && ar.ParentId == feed.FeedId
&& ar.DatePublished > datelimit
select new Article
{
Title = ar.Title,
Description = ar.Blurb
}).ToList();
下面的比较中的每个人都显示不匹配Ellsberg标题/描述。 即match1到matches6都有Count()==0
（请原谅枚举的变量名称 - 它们仅用于测试）
// comparison methods
CompareOptions compareOptions = CompareOptions.OrdinalIgnoreCase;
CompareOptions compareOptions2 = CompareOptions.IgnoreSymbols | CompareOptions.IgnoreNonSpace;
//1
IEnumerable<Article> matches = thisFeedArticles.Where(b =>
String.Compare(b.Title.Trim().Normalize(), a.Title.Trim().Normalize(), CultureInfo.InvariantCulture, compareOptions) == 0 &&
String.Compare(b.Description.Trim().Normalize(), a.Description.Trim().Normalize(), CultureInfo.InvariantCulture, compareOptions) == 0
);
//2
IEnumerable<Article> matches2 = thisFeedArticles.Where(b =>
String.Compare(b.Title, a.Title, CultureInfo.CurrentCulture, compareOptions2) == 0 &&
String.Compare(b.Description, a.Description, CultureInfo.CurrentCulture, compareOptions2) == 0
);
//3
IEnumerable<Article> matches3 = thisFeedArticles.Where(b =>
String.Compare(b.Title, a.Title, StringComparison.OrdinalIgnoreCase) == 0 &&
String.Compare(b.Description, a.Description, StringComparison.OrdinalIgnoreCase) == 0
);
//4
IEnumerable<Article> matches4 = thisFeedArticles.Where(b =>
b.Title.Equals(a.Title, StringComparison.OrdinalIgnoreCase) &&
b.Description.Equals(a.Description, StringComparison.OrdinalIgnoreCase)
);
//5
IEnumerable<Article> matches5 = thisFeedArticles.Where(b =>
b.Title.Trim().Equals(a.Title.Trim(), StringComparison.InvariantCultureIgnoreCase) &&
b.Description.Trim().Equals(a.Description.Trim(), StringComparison.InvariantCultureIgnoreCase)
);
//6
IEnumerable<Article> matches6 = thisFeedArticles.Where(b =>
b.Title.Trim().Normalize().Equals(a.Title.Trim().Normalize(), StringComparison.OrdinalIgnoreCase) &&
b.Description.Trim().Normalize().Equals(a.Description.Trim().Normalize(), StringComparison.OrdinalIgnoreCase)
);
if (matches.Count() == 0 && matches2.Count() == 0 && matches3.Count() == 0 && matches4.Count() == 0 && matches5.Count() == 0 && matches6.Count() == 0 && matches7.Count() == 0)
{
//insert values
}
//this if statement was the first approach
//if (!thisFeedArticles.Any(b => b.Title == a.Title && b.Description == a.Description)
// {
// insert
// }
显然，我一次只使用上述选项之一。
大多数情况下，上述选项可以工作，并且大部分重复都可以检测到，但仍然有重复的部分滑过裂缝 - 我只需要了解“裂缝”是什么，因此任何建议都会受到欢迎。
我甚至尝试将字符串转换为字节数组并进行比较（前一段代码已删除，对不起）。
该Article对象如下：
public class Article
{
public string Title;
public string Description;
}
更新：
我试过规范化字符串以及包括IgnoreSymbols CompareOption，并且我仍然得到一个错误的否定（不匹配）。 我注意到的是，撇号似乎在虚假的非匹配中表现出一致的外观; 所以我认为这可能是一个撇号与单引号的情况，即'vs'（等），但肯定IgnoreSymbols应该避免这种情况？
我发现了几个更类似的SO帖子：C＃字符串比较忽略空格，回车或换行字符串比较：InvariantCultureIgnoreCase与OrdinalIgnoreCase？ 下一步：尝试使用正则表达式根据此答案去掉空白区域：https：//stackoverflow.com/a/4719009/2261245
更新2在6比较后，STILL没有返回任何匹配，我意识到必须有另一个因素歪曲结果，所以我尝试了以下
//7
IEnumerable<Article> matches7 = thisFeedArticles.Where(b =>
Regex.Replace(b.Title, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Title, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase) &&
Regex.Replace(b.Description, "[^0-9a-zA-Z]+", "").Equals(Regex.Replace(a.Description, "[^0-9a-zA-Z]+", ""), StringComparison.InvariantCultureIgnoreCase)
);
这会发现其他人错过的比赛！
下面的字符串通过了所有6个比较，但不是7号：
a.Title.Trim().Normalize()和a.Title.Trim()都返回：
“更正：在小胶质细胞中鉴定独特的TGF-β依赖性分子和功能标记”
DB中的值是：
“更正：在小胶质细胞中鉴定独特的TGF-β依赖性分子和功能标记”
更仔细的检查表明德国人的eszett性格在数据库中与从饲料中获得的数据不同：βvsß
我本来期望至少有一次比较1-6挑选出来......
有趣的是，经过一些性能比较之后，Regex选项绝不是七个中最慢的。 Normalize看起来比正则表达式要密集得多！ 当thisFeedArticles对象包含12077个项目时，以下是所有七个Stopwatch持续时间
所用时间：00：00：00.0000662
所用时间：00：00：00.0000009
所用时间：00：00：00.0000009
所用时间：00：00：00.0000009
所用时间：00：00：00.0000009
所用时间：00：00：00.0000009
所用时间：00：00：00.0000016
Unicode字符串可以是“二元”不同的，即使它们在“语义上”相同。
尝试规范化你的字符串。 有关更多信息，请参阅http://msdn.microsoft.com/en-us/library/System.String.Normalize.aspx
链接地址: http://www.djcxy.com/p/81487.html