Java正则的Unicode支持是否包含完整的大小写折叠功能？

核心结论 #

Java的正则表达式引擎（java.util.regex.Pattern）以及String类的大小写相关方法，默认仅实现Unicode简单大小写折叠（Simple Case Folding），不支持全大小写折叠（Full Case Folding），这是你遇到匹配失败的根本原因。

问题原因拆解 #

• 简单大小写折叠是1:1的单字符映射规则，仅处理单个字符之间的大小写对应关系；全大小写折叠支持1:N的多字符映射，比如德语小写字符ß的全大写折叠对应两个字符SS，拉丁连字符fl的全大写折叠对应两个字符FL，这类多字符映射规则都不在简单折叠的覆盖范围内。
• 你使用的正则模式是.*(ss).*，开启Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE时，引擎只会把模式里的s和单个对应的大写/小写Unicode字符做匹配，不会将ß识别为ss的等价小写形式，因此包含ß的lowerStream匹配失败，而直接包含SS的upperStream匹配成功。
• Ruby等其他语言的正则引擎默认采用全大小写折叠规则，因此可以正确匹配ß和SS的等价关系，和Java的表现产生差异。
• String.equalsIgnoreCase()、无指定Locale的toLowerCase()/toUpperCase()方法同样基于简单大小写折叠实现，且大小写转换还受系统默认Locale影响：只有指定德语Locale调用toUpperCase(Locale.GERMAN)时，才会将ß转换为SS，默认Locale下ß的大写转换结果通常是大写ẞ字符，自然无法和SS完成等值比较。

关于官方文档的说明 #

早期JDK版本的Pattern类文档确实没有明确标注采用简单大小写折叠，仅说明UNICODE_CASE会遵循Unicode标准完成大小写不敏感匹配。从JDK 9开始，官方文档已经补充了相关说明，明确其大小写匹配采用的是Unicode简单大小写折叠规则，不处理多字符的折叠映射。

内容的提问来源于stack exchange，提问作者Hoobajoob