奇怪的 String.unicodeScalars 和 CharacterSet 行为

Posted 2023-02-24

【中文标题】奇怪的 String.unicodeScalars 和 CharacterSet 行为

【英文标题】：Strange String.unicodeScalars and CharacterSet behaviour

【发布时间】：2017-07-04 07:08:37

【问题描述】：

我正在尝试使用 Swift 3 CharacterSet 过滤掉 String 中的字符，但我很早就被卡住了。 CharacterSet 有一个名为contains的方法

func contains(_ member: UnicodeScalar) -> Bool 测试 CharacterSet 中特定 UnicodeScalar 的成员资格。

但对此进行测试不会产生预期的行为。

let characterSet = CharacterSet.capitalizedLetters

let capitalAString = "A"

if let capitalA = capitalAString.unicodeScalars.first 
    print("Capital A is \(characterSet.contains(capitalA) ? "" : "not ")in the group of capital letters")
 else 
    print("Couldn't get the first element of capitalAString's unicode scalars")

我收到了Capital A is not in the group of capital letters，但我期望相反。

非常感谢。

【问题讨论】：

Martin 比我快，但该字符集不包含您要查找的大写字母 A：["Dž", "Lj", "Nj", "Dz", "ᾈ", "ᾉ", "ᾊ", "ᾋ", "ᾌ", "ᾍ", "ᾎ", "ᾏ", "ᾘ", "ᾙ", "ᾚ", "ᾛ", "ᾜ", "ᾝ", "ᾞ", "ᾟ", "ᾨ", "ᾩ", "ᾪ", "ᾫ", "ᾬ", "ᾭ", "ᾮ", "ᾯ", "ᾼ", "ῌ", "ῼ"]

虽然 Martin 的回答是第一个并且是正确的，但我认为您已经发现了问题的根源——我什至不知道大写字母是什么！

【参考方案1】：

CharacterSet.capitalizedLetters 返回一个字符集，其中包含 Unicode General Category Lt aka "Letter, titlecase" 中的字符。那是 “包含大写后跟小写字母的连字（例如 Dž、Lj、Nj 和 Dz）”（比较 Wikipedia: Unicode character property 或 Unicode® Standard Annex #44 – Table 12. General_Category Values)。

您可以在此处找到列表：Unicode Characters in the 'Letter, Titlecase' Category。

您也可以使用以下代码 NSArray from NSCharacterset转储字符的内容 设置：

extension CharacterSet 
    func allCharacters() -> [Character] 
        var result: [Character] = []
        for plane: UInt8 in 0...16 where self.hasMember(inPlane: plane) 
            for unicode in UInt32(plane) << 16 ..< UInt32(plane + 1) << 16 
                if let uniChar = UnicodeScalar(unicode), self.contains(uniChar) 
                    result.append(Character(uniChar))
                
            
        
        return result
    


let characterSet = CharacterSet.capitalizedLetters
print(characterSet.allCharacters())

// ["Dž", "Lj", "Nj", "Dz", "ᾈ", "ᾉ", "ᾊ", "ᾋ", "ᾌ", "ᾍ", "ᾎ", "ᾏ", "ᾘ", "ᾙ", "ᾚ", "ᾛ", "ᾜ", "ᾝ", "ᾞ", "ᾟ", "ᾨ", "ᾩ", "ᾪ", "ᾫ", "ᾬ", "ᾭ", "ᾮ", "ᾯ", "ᾼ", "ῌ", "ῼ"]

你可能想要的是CharacterSet.uppercaseLetters

返回一个字符集，其中包含 Unicode 通用类别 Lu 和 Lt 中的字符。

【讨论】：

很好的答案，但是那个 fileformat.info URL 对我不起作用。