前言

如果這是一道面試題，答案也許非常簡單：.ToCharArray()，這基本正確……

我們以“AB吉??????”作為輸入?yún)?shù)，首先如果按照“正常”處理的思路，用 .ToCharArray()，然后轉(zhuǎn)換為 JSON（以便方便查看）返回結(jié)果如下：

[ "A", "B", "吉", "�", "�", "�", "�", "�", "�", "?", "�", "�", "?", "�", "�", "?", "�", "�" ]

不出所料，出現(xiàn)了大量亂碼。

正常一個字符（ Unicode基平面）應(yīng)該是占用一個 char（2字節(jié)）沒錯，但如果涉及 4字節(jié) Unicode或 Emoji，這個問題就不簡單了。

• 首先，?32位?Unicode占用兩個?char，如：?；

• 其次，某些?emoji可能占用超過兩個?char，可能多達(dá)?11個，如：???????；

代碼演示如圖：

下面我將一一演示我的解決過程。

32位Unicode?

我知道在 .NET中，如果一個 char無法容納一個字符， char.IsHighSurrogate()方法傳入這個 char就會返回 true，這時即可做處理。按照這個思路，解決方法如下：

IEnumerable<string> SplitToCharacters(string input) { for (var i = 0; i < input.Length; ++i) { if (char.IsHighSurrogate(input[i])) { yield return input.Substring(i, 2); ++i; } else { yield return input[i].ToString(); } } }

我將“AB吉??????”作為輸入?yún)?shù)，運(yùn)行結(jié)果如下：

[ "A", "B", "吉", "?", "?", "?", "?", "?", "?", "?", "?", "?" ]

可見，它成功“破解”了 32位 Unicode，“?”顯示正常，部分表情如?，也顯示正常。但???????還是被“暴力”拆成了 4個表情“????”和三個空白。我稍后聊這個 Emoji，因?yàn)檫@些代碼有簡化空間。

后來我將這個“字符串分隔為字符”問題在長沙.NET技術(shù)社區(qū)發(fā)問，有大佬就指出有簡單的辦法，通過系統(tǒng)內(nèi)置的 StringInfo類，即可一步到位解決：

IEnumerable<string> SplitToCharacters(string input) { var si = new StringInfo(input); for (var i = 0; i < si.LengthInTextElements; ++i) { yield return si.SubstringByTextElements(i, 1); } }

返回值完全一樣，更有大佬祭出了“騷操作”，通過 UTF32來解決，實(shí)在是暗暗佩服：

string[] SplitToCharacters(string input) { byte[] bytes = Encoding.UTF32.GetBytes(input); Span<int> span = MemoryMarshal.Cast<byte, int>(bytes); var strings = new string[span.Length]; for (var i = 0; i < span.Length; ++i) { strings[i] = char.ConvertFromUtf32(span[i]); } return strings; }

返回值也完全一樣。

然而這些辦法都解決不了 Emoji的問題，那么 Emoji到底要如何才能解決呢？

Emoji

在一次偶然的機(jī)會，看 UWP的 Win2DGallery時，我看到了這個 demo：

我心想， DirectWrite既然知道每個字符的邊界，顯然也必然知道如何將字符串分隔為字符。果然，經(jīng)過一陣探索，我找到了解決辦法：

// 安裝NuGet包：SharpDX.Direct2D1 using SharpDX.DirectWrite; IEnumerable<string> SplitToCharacters(string text) { using var dwrite = new Factory(); using var format = new TextFormat(dwrite, "Arial", 14.0f); // 字體字號無所謂 using var layout = new TextLayout(dwrite, text, format, int.MaxValue, int.MaxValue); var pos = 0; foreach (ClusterMetrics cm in layout.GetClusterMetrics()) { yield return text.Substring(pos, cm.Length); pos += cm.Length; } }

運(yùn)行效果如下：

[ "A", "B", "吉", "?", "?", "???????" ]

終于……完全正常！但這是基于 WindowsOnly的 DirectWrite技術(shù)，有沒有平臺無關(guān)的方法呢？

經(jīng)常我4個多小時的翻閱文檔、編寫代碼，終于找到了眉目。文檔如下：https://en.wikipedia.org/wiki/Zero-width_joiner

原來有一個“零寬度連接符”（ Zero-width joiner/ ZWJ）的概念，值為 0x200D。如果發(fā)現(xiàn) char為該值，則說明它是一個零寬度連接符，此時后面的 emoji應(yīng)該與前面的 emoji連接。可以使用如下代碼分析“???????”這個 emoji：

IEnumerable<string> SplitToCharacters(string input) { for (var i = 0; i < input.Length; ++i) { if (char.IsHighSurrogate(input[i])) { yield return input.Substring(i, 2); ++i; } else { yield return input[i].ToString(); } } } SplitToCharacters("???????").Select(x => new { Text = x, Code = String.Join("", x.Select(x => ((short)x).ToString("X4"))), }).Dump();

運(yùn)行結(jié)果如下——果然它包含了三個零寬度連接符：

因此我們可以利用這個 0x200D，然后加幾個 if/else，即可將問題解決：

IEnumerable<string> SplitToCharacters(string input) { for (var i = 0; i < input.Length; ++i) { if (char.IsHighSurrogate(input[i])) { int length = 0; while (true) { length += 2; if (i + length < input.Length && input[i + length] == 0x200D) { length += 1; } else { break; } } yield return input.Substring(i, length); i += length - 1; } else { yield return input[i].ToString(); } } }

效果與 DirectWrite完全一樣，完美！

結(jié)語

說來話長，這其實(shí)是客戶真正遇到的問題。事情起源于一次客戶與我的微信聊天，客戶遇到了一個問題：

客戶是想從簡體中文轉(zhuǎn)換為繁體中文，正使用 Microsoft.VisualBasic.dll提供的 Strings.StrConv(text,VbStrConv.TraditionalChinese)方法，遇到了這個問題。客戶的代碼如下：

Strings.StrConv("飛龍騎臉怎么輸!?", VbStrConv.TraditionalChinese)

在 .NETFramework下輸出結(jié)果是：飛龍騎臉怎么輸!??。注意，最后的 emoji表情"?"被顯示成了兩個問號“??”。

在 .NETCore下，該代碼運(yùn)行報異常，提示需要操作系統(tǒng)支持（可能需要安裝語言包），具體報錯內(nèi)容是：“ ArgumentException:Thissystem doesnotcontain supportfortheTraditionalChineselocale.”。

這個區(qū)別說明，該函數(shù)最好別在 .NETCore上使用。

后來我找到了一個好辦法，安裝 NuGet包 CHTCHSConv，然后使用類似代碼即可，結(jié)果為 飛龍騎臉怎么輸!?，完全正確。

ChineseConverter.Convert("飛龍騎臉怎么輸!?", ChineseConversionDirection.SimplifiedToTraditional)

但我在尋求這個問題的過程中誤入了另一條路，我想將字符串分隔開來，然后單獨(dú)判斷是不是一個 char能包含整個字符。雖然我后來知道解決這個問題不需要，也不應(yīng)該這樣做。但我在這條錯誤的路上越陷越深，然后出現(xiàn)了本篇文章?。

微信可能無法評論，請點(diǎn)擊左下角“閱讀原文”前往我的博客園點(diǎn)贊/留言。

喜歡的朋友 請關(guān)注我的微信公眾號：【DotNet騷操作】

總結(jié)

以上是生活随笔為你收集整理的.NET如何将字符串分隔为字符的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。