从左到右解析阿拉伯语/从右到左的文本

Question

假设我有一个使用RTL语言如阿拉伯语编写的字符串，其中包含一些英文：
```string s = "Test:لطيفة;اليوم;a;b"```

注意字符串中有分号。当我使用Split命令（如 string[] spl = s.Split(';'); ）时，一些字符串会以相反的顺序保存。结果如下：
``` spl[0] = "Test:لطيفة" spl[1] = "اليوم" spl[2] = "a" spl[3] = "b" ```

与原始顺序不同。实际上，我期望得到以下结果：
``` spl[0] = "Test:اليوم" spl[1] = "لطيفة" spl[2] = "a" spl[3] = "b" ```

我准备自己编写拆分函数。但是，字符串中的字符也会以相反的顺序解析，因此我又回到了原点。我只想按照屏幕上显示的顺序遍历每个字符。

- Dan W

Answer 1

根据你的字符串，单词“لطيفة”存储在单词“اليوم”之前；显示为“首位”的事实（也就是说，向左更远），只是Unicode双向算法在显示文本时的一个（正确）结果。

这意味着：你开始使用的字符串（"Test:لطيفة;اليوم;a;b"）是用户先输入"Test:"，然后是لطيفة，";"，然后是اليوم，最后是";a;b"的结果。因此，C#对其进行拆分的方式确实反映了字符串创建的方式。只是创建方式不反映在字符串的显示上，因为两个连续的阿拉伯语单词在显示时被视为一个单元。

如果您希望字符串按从左到右的顺序显示阿拉伯语单词，并在其中加入分号，同时保持单词在同样的顺序存储，则应在分号后添加从左到右标记（U+200E）。这将有效地将每个阿拉伯语单词分开作为自己的单元，双向算法将分别处理每个单词。

例如，下面的代码以与您使用的相同的字符串开始（增加了一个从左到右的标记），但它将根据您期望的方式进行拆分（即spl[0] = "Test:اليوم"，spl[1] = "لطيفة"）：

static void Main(string[] args) {
    string s = "Test:اليوم;\u200Eلطيفة;a;b";
    string[] spl = s.Split(';');
}

- Avi Shmidman

---

谢谢！现在一切都清楚了。是的，我犯了一个错误，认为显示器显示的是“正确”的（从我的角度来看）。\u200e不会改变它的内部存储方式，只会改变它的显示方式。我保存了看似不正确的 CSV 文件（其中数据出现在错误的列标题下），将其加载到 Excel 中，每个单元格中的数据都位于正确的标题下！我只需要小心使用 U+200E 字符，因为我必须将其限制为与 RTL 字符相邻，如其他地方所述。我希望 Unicode/VS 在这些情况下将 \u200E 方式作为默认样式。 - Dan W

Answer 2

你也可以使用微软的Uniscribe库。ScriptItemize方法会给出字符簇、它们在原始字符串中的起始索引和RTL顺序。利用这些信息，你可以找到仅包含阿拉伯语的连续簇。根据 ';' 进行分割并反转方向，就能得到你需要的内容。

- i_han

Answer 3

这些字符串并没有被反转，而是按正确的顺序分割。RTL语言在显示时是RTL的，但在内存中它们像英语一样被保留为“从左到右”。我会尝试演示一下，但由于我没有安装阿拉伯键盘，有点困难。

您的字符串是s =“Arbi/Arbi，Alarbia”。s [0]是A（阿拉伯语A'in），s [1]是R，依此类推。s [4]是/，s [9]是，。因此，在拆分时，您可以在第一部分中获得s [0：8]，在第二部分中获得s [10：]。

这是处理RTL字符串的正确方法。如果您想要反向，您需要自己反转数组。

请记住，在RTL和LTR之间切换是最令人沮丧的任务之一。您不知道自己将花费多长时间来解决RTL字符串中数字或英语单词的问题。您可以做的最好的事情就是避免这个问题，并尝试让Excel将字符串显示为RTL。

- zmbq

---

以防我误解了您的意思，我想要翻转的不是每个字符串内部的内容，而是字符串本身的顺序。不幸的是，我仍然需要从左到右解析，以保持与CSV中可能存在的从左到右文本的兼容性。 - Dan W

如果你反转字符串本身，你会得到反转的单词，这些单词没有任何意义。Ibra和Arbi不是同一件事，aibrala甚至不是一个单词。 - zmbq

是的，我不想翻转任何字符串本身，只是想要翻转标记的顺序。 - Dan W

我进一步编辑了我的问题（并缩短了它），这样你就可以看到更深层次的问题。让我知道你的想法。感谢你的帮助。 - Dan W

你可以根据任意非字母数字的字符分割字符串，然后正确地组合和整理这些部分（如果是逗号，则反转顺序；如果不是，则直接组合）。这很难搞定。最好的方法是让用户按照正确的顺序将字符串输入到Excel中。不要陷入右到左的问题中，否则会出现无数个错误。 - zmbq

谢谢你的警告。我同意自己尝试修复可能会浪费大量时间（仅仅看一眼Unicode双向算法就足以让我噩梦连连）。不幸的是，如果你拿一个阿拉伯语的vCard来说，就会出现这个问题，即英文后面跟着阿拉伯文本，然后再跟着一些英文。这在第一次是“正确”的，但在我尝试解析它时就不是了。 - Dan W

Answer 4

据Reflector显示，Split内部似乎使用Substring，而后者又使用一个内部函数，该函数只是从左到右复制字母而没有考虑任何文化因素。因此，我认为没有其他方法，只能颠倒 Split 返回的数组。

- Patrick Quirk

---

谢谢。问题出现在CSV中还有使用“正常”LTR格式的文本。因此，如果我反转数组，那么包含“正常”文本的字符串的顺序也会被反转。我可以逐个字符地解析它，但问题仍然存在，因为从RTL解析文本时，文本也是RTL的。 - Dan W

修改了我的问题以澄清问题。 - Dan W