UTF-8编码下，外观相同的字符串为何等价性校验不通过？

你的猜测完全命中了核心！这种“看起来一样但程序不认”的情况在Unicode字符体系里是典型的“视觉等价但编码不等价”问题，咱们一步步理清楚：

字符“ĝ”在Unicode里有两种合法的编码方式：

• 预合成字符：直接用一个单独的码点表示——U+011D（LATIN SMALL LETTER G WITH CEDILLA）
• 组合字符序列：用基础字符加附加标记组合而成——U+0067（普通小写字母g） + U+0327（组合式软音符，会附着在前面的字符上）

这两种编码在视觉渲染时，都会被显示成“ĝ”，但它们本质上是完全不同的码点序列，程序做字符串等价性校验时，是逐码点（或逐字节）对比的，自然会判定为不相等。

因为程序采用UTF-8编码，我们来看看这两种表示对应的字节序列：

1. 预合成字符U+011D：属于Unicode的“基本多语言平面”中0x0080-0x07FF区间，UTF-8会用3个字节编码，字节序列是0xC4 0x9D
2. 组合字符序列U+0067+U+0327：
   • U+0067是ASCII字符，UTF-8用1个字节：0x67
   • U+0327属于0x0080-0x07FF区间，UTF-8用2个字节：0xCC 0xA7
   • 整个序列的字节流是0x67 0xCC 0xA7

显然这两组字节序列完全不同，程序做字符串对比时，要么直接对比字节，要么对比拆分后的码点序列，都会发现二者不匹配，所以返回false；但终端或UI渲染引擎会处理组合字符的附着逻辑，把两种情况都渲染成相同的视觉效果，就造成了“显示一样但程序判定不同”的矛盾。

内容的提问来源于stack exchange，提问作者LastMinuteBanter