c# - 如何读取字符串中的字符作为它们的 UTF-32 十进制值？

Question

例如，我有这个 Unicode 字符串，它由 Cyclone 组成和 Japanese Castle在 C# 和 .NET 中定义，它使用 UTF-16 作为其 CLR 字符串编码:

var value = "🌀🏯";

如果你检查这个，你会很快发现 value.Length = 4 因为 C# 使用 UTF-16 编码的字符串，所以出于这些原因我不能只循环每个字符并得到它UTF-32 十进制值:foreach (var character in value) result = (ulong)character;。这就引出了一个问题，我怎样才能得到任何字符串中每个字符的 UTF-32 十进制值？

Cyclone 应为 127744，Japanese CaSTLe 应为 127983，但我正在寻找一个通用答案，它可以采用任何 C# 字符串并始终生成 UTF-32 十进制其中每个字符的值。

我什至试过看一下 Char.ConvertToUtf32 ，但这似乎是有问题的，例如:

var value = "a🌀c🏯";

长度为 6。那么，我如何知道新字符何时开始？例如:

Char.ConvertToUtf32(value, 0)   97  int
Char.ConvertToUtf32(value, 1)   127744  int
Char.ConvertToUtf32(value, 2)   'Char.ConvertToUtf32(value, 2)' threw an exception of type 'System.ArgumentException'   int {System.ArgumentException}
Char.ConvertToUtf32(value, 3)   99  int
Char.ConvertToUtf32(value, 4)   127983  int
Char.ConvertToUtf32(value, 5)   'Char.ConvertToUtf32(value, 5)' threw an exception of type 'System.ArgumentException'   int {System.ArgumentException}

还有:

public static int ConvertToUtf32(
    char highSurrogate,
    char lowSurrogate
)

但如果我也想使用它，我需要弄清楚什么时候我有代理对。你怎么做到的？

Answer 1

解决方案一

string value = "🌀🏯";
byte[] rawUtf32AsBytes = Encoding.UTF32.GetBytes(value);
int[] rawUtf32 = new int[rawUtf32AsBytes.Length / 4];
Buffer.BlockCopy(rawUtf32AsBytes, 0, rawUtf32, 0, rawUtf32AsBytes.Length);

方案二

string value = "🌀🏯";
List<int> rawUtf32list = new List<int>();
for (int i = 0; i < value.Length; i++)
{
    if (Char.IsHighSurrogate(value[i]))
    {
        rawUtf32list.Add(Char.ConvertToUtf32(value[i], value[i + 1]));
        i++;
    }
    else
        rawUtf32list.Add((int)value[i]);
}

---

更新:

从 .NET Core 3.0 开始，我们有了代表 UTF32 字符的 Rune 结构:

string value = "a🌀c🏯";
var runes = value.EnumerateRunes();

// writes a:97, 🌀:127744, c:99, 🏯:127983
Console.WriteLine(String.Join(", ", runes.Select(r => $"{r}:{r.Value}")));