字符串和4字节Unicode字符

Question

我有一个关于C#中字符串和字符的问题。我发现C#中的字符串是Unicode字符串，而一个字符占用2个字节。因此，每个字符都采用UTF-16编码。这很好，但我在维基百科上也看到，有些字符在UTF-16中占用4个字节。

我正在编写一个程序，用于为字母数字显示器绘制字符。程序中还有一个测试器，您可以在其中输入一些字符串，它会将其绘制出来，以便您查看其外观。

那么当用户输入一个占用4个字节的字符时，我应该如何处理字符串呢？因为我需要逐个字符遍历字符串，在列表中找到这个字符，并将其绘制到面板上。

- Arxeiss

---

仅仅逐个字符地处理并不能解决问题。即使逐个代码点处理也不行，因为存在组合字符、连字、控制字符等情况。 - CodesInChaos

正确的显示表示单元被称为“字形簇”。有时它们由多个代码点组成。 - Pavel Radzivilovsky

Answer 1

你可以做到以下几点：

：

for( int i = 0; i < str.Length; ++i ) {
    int codePoint = Char.ConvertToUTF32( str, i );
    if( codePoint > 0xffff ) {
        i++;
    }
}

那么codePoint表示任何可能的代码点作为32位整数。

- Esailija

---

这看起来非常简单和清晰，它是如何工作的。谢谢。 但现在我尝试找一些4字节UTF-16字符，但我没有成功，或者这个字符被表示为''，所以这几乎是毫无意义的问题。但还是谢谢。 - Arxeiss

这里有一个字符，肯定需要2个字。 - gzak

做了一些尝试，如果你创建一个字符串 ""，它会将其 Length 报告为 2。如果你执行 Char.ConvertToUTF32("", 0)，你会得到 73760（超过了 char.MaxValue）。但是，如果你执行 Char.ConvertToUTF32("", 1)，你会得到一个错误：Found a low surrogate char without a preceding high surrogate at index: 1。换句话说，根据规范，它知道这是一个两个字符的结尾，因此仅传递一对中的第二个字符是无效的。此方法的重载也不接受单个字符，而是接受带有索引的字符串或一对字符。 - gzak

Answer 2

完全使用 String 对象；不要使用 Char。 以下是使用 IndexOf 的示例：

var needle = "ℬ";    // U+1D49D (I think)
var hayStack = "a code point outside basic multi lingual plane: ℬ";
var index = heyStack.IndexOf(needle);

String类上的大多数方法都有重载，可以接受Char或String。而Char上的大多数方法也有重载，可以使用String。只是不要使用Char。

- ligos

---

我对于字符组合、控制字符等内容不太了解，因此无法正确处理它们。请学习一下 .NET 中的 Unicode 相关知识，并编写一些测试！ - ligos