返回C＃中的字符代码点

如何返回角色的Unicode代码点 ？ 例如，如果输入为“A”，则输出应为“U + 0041”。 理想情况下，解决方案应该照顾代理对 。

代码点是指根据Unicode的实际代码点，它与代码单元不同（UTF8具有8位代码单元，UTF16具有16位代码单元，UTF32具有32位代码单元，在后一种情况下为值考虑到字节序后，等于代码点）。

Answer 1

很容易，因为C＃中的字符实际上是UTF16代码点：

char x = 'A'; Console.WriteLine("U+{0:x4}", (int)x); 

为了解决这些注释，C＃中的char是一个16位数字，并保存一个UTF16代码点。 位空间16以上的代码点不能用C＃字符表示。 C＃中的字符不是可变宽度。 然而， 字符串可以具有彼此跟随的2个字符，每个字符是代码单元，形成UTF16代码点。 如果您有一个字符串输入和16位空间之上的字符，您可以使用char.IsSurrogatePair和Char.ConvertToUtf32 ，如另一个答案所示：

 string input = .... for(int i = 0 ; i < input.Length ; i += Char.IsSurrogatePair(input,i) ? 2 : 1) { int x = Char.ConvertToUtf32(input, i); Console.WriteLine("U+{0:X4}", x); } 

Answer 2

以下代码将string输入的代码点写入控制台：

 string input = "\uD834\uDD61"; for (var i = 0; i < input.Length; i += char.IsSurrogatePair(input, i) ? 2 : 1) { var codepoint = char.ConvertToUtf32(input, i); Console.WriteLine("U+{0:X4}", codepoint); } 

输出：

  U + 1D161 

由于.NET中的字符串是UTF-16编码的，因此构成字符串的char值需要首先转换为UTF-32。

Answer 3

实际上@Yogendra Singh的答案中有一些优点，目前唯一一个负面投票的人。 这项工作可以这样完成

  public static IEnumerable Utf8ToCodePoints(this string s) { var utf32Bytes = Encoding.UTF32.GetBytes(s); var bytesPerCharInUtf32 = 4; Debug.Assert(utf32bytes.Length % bytesPerCharInUtf32 == 0); for (int i = 0; i < utf32bytes.Length; i+= bytesPerCharInUtf32) { yield return BitConverter.ToInt32(utf32bytes, i); } } 

经过测试

  var surrogatePairInput = "abc💩"; Debug.Assert(surrogatePairInput.Length == 5); var pointsAsString = string.Join(";" , surrogatePairInput .Utf8ToCodePoints() .Select(p => $"U+{p:X4}")); Debug.Assert(pointsAsString == "U+0061;U+0062;U+0063;U+1F4A9"); 

示例是相关的，因为poo堆被表示为代理对。

Answer 4

C＃无法在char存储unicode代码点，因为char只有2个字节，unicode代码点通常超过该长度。 解决方案是将代码点表示为字节序列（作为字节数组或“展平”为32位原语）或字符串。 接受的答案转换为UTF32，但这并不总是理想的。

这是我们用于将字符串拆分为其unicode代码点组件的代码，但保留了本机UTF-16编码。 结果是一个可枚举的，可用于在C＃/ .NET中本地比较（子）字符串：

  public class InvalidEncodingException : System.Exception { } public static IEnumerable UnicodeCodepoints(this string s) { for (int i = 0; i < s.Length; ++i) { if (Char.IsSurrogate(s[i])) { if (s.Length < i + 2) { throw new InvalidEncodingException(); } yield return string.Format("{0}{1}", s[i], s[++i]); } else { yield return string.Format("{0}", s[i]); } } } } 

Answer 5

 public static string ToCodePointNotation(char c) { return "U+" + ((int)c).ToString("X4"); } Console.WriteLine(ToCodePointNotation('a')); //U+0061 

Answer 6

我在msdn论坛上找到了一个小方法。 希望这可以帮助。

  public int get_char_code(char character){ UTF32Encoding encoding = new UTF32Encoding(); byte[] bytes = encoding.GetBytes(character.ToString().ToCharArray()); return BitConverter.ToInt32(bytes, 0); }