六位 unicode 转义值比较

Posted 2023-02-24

【中文标题】六位 unicode 转义值比较

【英文标题】：Six digit unicode escaped value comparison

【发布时间】：2012-10-17 02:51:33

【问题描述】：

我有一个六位 unicode 字符，例如 U+100000，我希望与我的 C# 代码中的另一个 char 进行比较。

我对@9​​87654321@ 的解读是，这个字符不能用char 表示，而必须用string 表示。

U+10000 到 U+10FFFF 范围内的 Unicode 字符不允许在字符文字中使用，而是在字符串文字中使用 Unicode 代理对表示

我觉得我遗漏了一些明显的东西，但是您如何才能使以下比较正常工作：

public bool IsCharLessThan(char myChar, string upperBound)

    return myChar < upperBound; // will not compile as a char is not comparable to a string


Assert.IsTrue(AnExample('\u0066', "\u100000"));
Assert.IsFalse(AnExample("\u100000", "\u100000")); // again won't compile as this is a string and not a char

编辑

k，我想我需要两种方法，一种接受字符，另一种接受“大字符”，即字符串。所以：

public bool IsCharLessThan(char myChar, string upperBound)

    return true; // every char is less than a BigChar


public bool IsCharLessThan(string myBigChar, string upperBound)

    return string.Compare(myBigChar, upperBound) < 0;


Assert.IsTrue(AnExample('\u0066', "\u100000));
Assert.IsFalse(AnExample("\u100022", "\u100000"));

【参考方案1】：

要使用字符串文字构造带有 Unicode 代码点 U+10FFFF 的字符串，您需要计算出所涉及的 surrogate pair。

在这种情况下，您需要：

string bigCharacter = "\uDBFF\uDFFF";

或者你可以使用char.ConvertFromUtf32:

string bigCharacter = char.ConvertFromUtf32(0x10FFFF);

不清楚您希望您的方法实现什么，但如果您需要它处理不在 BMP 中的字符，您需要使其接受 int 而不是 char，或 string .

根据string 的文档，如果要将字符串中的字符作为完整的Unicode 值进行迭代，请使用TextElementEnumerator 或StringInfo。

请注意，您确实需要明确地执行此操作。如果您只使用序数值，它将检查 UTF-16 代码单元，而不是 UTF-32 代码点。例如：

string text = "\uF000";
string upperBound = "\uDBFF\uDFFF";
Console.WriteLine(string.Compare(text, upperBound, StringComparison.Ordinal));

这会打印出一个大于零的值，表明text 大于upperBound。相反，你应该使用char.ConvertToUtf32:

string text = "\uF000";
string upperBound = "\uDBFF\uDFFF";
int textUtf32 = char.ConvertToUtf32(text, 0);
int upperBoundUtf32 = char.ConvertToUtf32(upperBound, 0);
Console.WriteLine(textUtf32 < upperBoundUtf32); // True

所以这可能是您在方法中需要做的。您可能希望首先使用StringInfo.LengthInTextElements 来检查字符串是否真的是单个 UTF-32 代码点。

【讨论】：

嗨乔恩。我想检查一个字符是否在自定义范围内。我通过检查范围的一端来简化示例。但是 \u10FFFF 不小于 \u10FFFF！

@sprocketonline：是的，但您不能将U+10FFFF 指定为char。这就是我的观点。如果您需要考虑非 BMP 字符，您必须让您的方法接受这些字符。

但是\u10FFFF 是一个有点愚蠢的例子（因为\u10FFFF 是唯一一个不能与之比较的值）。因此，我将示例更改为希望更好的示例。

@sprocketonline：答案仍然是true，因为每个char 也小于U+100000。每个char 都在 U+0000 到 U+FFFF 的范围内。

非常好，乔恩！我已经编辑并清理了示例。

【参考方案2】：

从 https://msdn.microsoft.com/library/aa664669.aspx 开始，您必须使用带有完整 8 个十六进制数字的 \U。比如：

string str1 = "\U0001F300";
string str2 = "\uD83C\uDF00";
bool eq = str1 == str2;

使用:cyclone: 表情符号。