使用 VB Script RegExp 对象将 '\uA90F' 形式的 JSON Unicode 转义序列转换为 XML 字符引用

Posted 2023-02-15

【中文标题】使用 VB Script RegExp 对象将 \'\\uA90F\' 形式的 JSON Unicode 转义序列转换为 XML 字符引用

【英文标题】：Convert JSON Unicode escape sequences of the form '\uA90F' to XML character references using VB Script RegExp object使用 VB Script RegExp 对象将 '\uA90F' 形式的 JSON Unicode 转义序列转换为 XML 字符引用

【发布时间】：2022-01-14 15:02:04

【问题描述】：

我想将 \uA90F 形式的 JSON Unicode 转义序列转换为 &#xA90F&#59; 形式的 XML 字符引用。

下面脚本中的Replace 工作正常，但我不知道如何替换回原始字符串，因此：

Zo\u00EB C\u00E9cile Fran\u00E7oise

变成：

Zoë Cécile Françoise

Dim RegX, InputText, Pattern, ReplacedText

            'Zoe        Francoise       Cecile
InputText = "Zo\u00E2   Fran\u00E7oise  C\u00E9cile"

SearchPattern = "\\u[a-zA-Z0-9]4"

set RegX = New RegExp
RegX.Pattern = SearchPattern
RegX.Global = True

Set Matches = RegX.Execute(InputText)
For Each Match In Matches
    s = Replace(Match, "\u", "&#x") & ";" '<-- ** This works fine **
    MsgBox(s)
Next

【问题讨论】：

帮不上忙，因为我不知道 VBScript，但请注意，这种方法不适用于诸如表情符号之类的“星光”字符——XML 使用包含 unicode 代码的单个转义序列点值，例如 😀 而 JSON 编码 UTF-16 代理对的两个部分 \uD83D\uDE00

请upvote/accept以下任何可以解决您问题的答案。

【参考方案1】：

您需要将十六进制字符与[A-Fa-f0-9] 匹配，而不是[a-zA-Z0-9]。

此外，您需要围绕需要保留在结果中的模式使用捕获组，并在 RegExp.Replace 方法中使用反向引用（您无需先收集匹配项）。

所以，你可以使用

Dim RegX, InputText, ReplacedText

InputText = "Zo\u00E2   Fran\u00E7oise  C\u00E9cile"

Set RegX = New RegExp
RegX.Pattern = "\\u([a-fA-F0-9]4)"
RegX.Global = True

ReplacedText = RegX.Replace(InputText, "&#x$1;")
  
MsgBox(ReplacedText)

请参阅regex demo。

【讨论】：

正如 MichaelKay 在另一条评论中提到的那样，这种方法不适用于编码的 Unicode 字符 > U+FFFF。

@RemyLebeau 让我们继续原来的问题：“下面脚本中的替换正在工作，但我不知道如何替换回原字符串"

【参考方案2】：

注意：正如 @MichaelKay 在 cmets 中提到的，您尝试做的事情仅适用于 Unicode 字符 U+FFFF。对于更高价值的代码点，代码会变得更复杂一些。

每个Match 都有三个属性：

Value - 搜索字符串中匹配的实际文本。

FirstIndex - 搜索字符串中匹配的第一个字符的从 0 开始的索引。

Length - 匹配字符串的长度。

因此，您确切地知道每个Match 在InputText 字符串中的位置。您可以使用该信息创建一个新字符串，其中包含替换的子字符串，例如：

Dim RegX, InputText, SearchPattern, ReplacedText, S, StartIdx, FoundIdx

            'Zoe        Francoise       Cecile
InputText = "Zo\u00E2   Fran\u00E7oise  C\u00E9cile"

SearchPattern = "\\u([a-fA-F0-9]4)"

set RegX = New RegExp
RegX.Pattern = SearchPattern
RegX.Global = True

Set Matches = RegX.Execute(InputText)

StartIdx = 1
ReplacedText = ""

For Each Match In Matches
    S = Replace(Match.Value, "\u", "&#x") & ";"
    MsgBox(S)
    FoundIdx = Match.FirstIndex + 1
    If FoundIdx > StartIdx Then
        ReplacedText = ReplacedText + Mid(InputText, StartIdx, FoundIdx - StartIdx)
    End If
    ReplacedText = ReplacedText + S
    StartIdx = FoundIdx + Match.Length
Next

If StartIdx <= Len(InputText) Then
    ReplacedText = ReplacedText + Mid(InputText, StartIdx)
End If

或者，您可以只使用RegExp.Replace() 方法，就像 @WiktorStribiżew's answer 演示的那样。

【讨论】：

Wiktor 的示例是我使用的示例，它运行良好。 -- 对高价值代码点的注释。谢谢大家的意见。