¿Cómo comparar caracteres Unicode que “se parecen”?

Ya no tienes que indagar más en internet ya que llegaste al sitio perfecto, poseemos la solución que deseas sin problema.

Solución:

Debido a que son símbolos realmente diferentes, incluso si se ven iguales, primero es la letra real y tiene carácter. code = 956 (0x3BC) y el segundo es el signo micro y tiene 181 (0xB5).

Referencias:

• Carácter Unicode ‘LETRA MU MINÚSCULA GRIEGA’ (U+03BC)
• Carácter Unicode ‘MICRO SIGNO’ (U+00B5)

Entonces, si desea compararlos y necesita que sean iguales, debe manejarlo manualmente o reemplazar un carácter con otro antes de la comparación. O usa el siguiente código:

public void Main()

    var s1 = "μ";
    var s2 = "µ";

    Console.WriteLine(s1.Equals(s2));  // false
    Console.WriteLine(RemoveDiacritics(s1).Equals(RemoveDiacritics(s2))); // true 


static string RemoveDiacritics(string text) 

    var normalizedString = text.Normalize(NormalizationForm.FormKC);
    var stringBuilder = new StringBuilder();

    foreach (var c in normalizedString)
    
        var unicodeCategory = CharUnicodeInfo.GetUnicodeCategory(c);
        if (unicodeCategory != UnicodeCategory.NonSpacingMark)
        
            stringBuilder.Append(c);
        
    

    return stringBuilder.ToString().Normalize(NormalizationForm.FormC);

y la demostración

En muchos casos, puede normalizar ambos caracteres Unicode a una determinada forma de normalización antes de compararlos, y deberían poder coincidir. Por supuesto, qué forma de normalización necesita usar depende de los caracteres mismos; solo porque ellos Mira iguales no significa necesariamente que representen al mismo personaje. También debe considerar si es apropiado para su caso de uso; consulte el comentario de Jukka K. Korpela.

Para esta situación particular, si consulta los enlaces en la respuesta de Tony, verá que la tabla para U+00B5 dice:

Descomposición LETRA GRIEGA MINÚSCULA MU (U+03BC)

Esto significa que U+00B5, el segundo carácter de la comparación original, puede descomponerse en U+03BC, el primer carácter.

Por lo tanto, normalizará los caracteres mediante la descomposición de compatibilidad total, con las formas de normalización KC o KD. Aquí hay un ejemplo rápido que escribí para demostrar:

using System;
using System.Text;

class Program

    static void Main(string[] args)
    
        char first = 'μ';
        char second = 'µ';

        // Technically you only need to normalize U+00B5 to obtain U+03BC, but
        // if you're unsure which character is which, you can safely normalize both
        string firstNormalized = first.ToString().Normalize(NormalizationForm.FormKD);
        string secondNormalized = second.ToString().Normalize(NormalizationForm.FormKD);

        Console.WriteLine(first.Equals(second));                     // False
        Console.WriteLine(firstNormalized.Equals(secondNormalized)); // True
    

Para obtener detalles sobre la normalización de Unicode y las diferentes formas de normalización, consulte System.Text.NormalizationForm y la especificación Unicode.

Ambos tienen diferentes códigos de caracteres: consulte esto para obtener más detalles.

Console.WriteLine((int)'μ');  //956
Console.WriteLine((int)'µ');  //181

Donde, el primero es:

Display     Friendly Code   Decimal Code    Hex Code    Description
====================================================================
μ           μ            μ          μ     Lowercase Mu
µ           µ         µ          µ      micro sign Mu

---

---

Utiliza Nuestro Buscador