c# - 字符串中的随机字符 - 具有多字节字符

Question

一个similar question之前被问过，但这是不同的，因为我试图从中提取随机字符的字符串可能包含多字节字符。我基本上是在制作一个伪“leet”生成器，它接受一个字符串并将所有字符更改为从扩展 Unicode 中随机选择的看起来相似的字符，以使其具有某种“黑客”类型的外观。 (这是一个游戏，有一个部分需要使用这种风格。不要评判我。)所以我有一个扩展方法:

private static Random rand = new Random();
public static char random(this string str)
{
    return str[rand.Next(str.Length)];
}

它的工作方式是，我查看字符串中的每个字符，它的调用方式如下:

public static string leetify(this string str)
{
    StringBuilder sb = new StringBuilder();

    foreach (char c in str)
    {
        switch (char.ToLower(c))
        {
            case 'a':
                sb.Append("4ÀÁÂÃÄÅàáâãäåĀāĂ㥹ǎǍǺǻȀȁȂȃȦȧȺɅɐɑɒªΆѦѧᴀᾼ₳".random());
                break;
                ...  //More of the same for each letter

                //Okay, the letter 's' definitely has a failure case,
                //not the only one, but needed an example
            case 's':
                sb.Append("ŚśŜŝŞşŠšƧƨȘșȿʂϨϩЅѕᵴṠṡṢṣṤṥṦṧṨṩ$§".random());
                break;
                ...
            default:
                sb.Append(c);
                break;
        }
    }
    return sb.toString();
}

当然，其余字母也有类似的代码。最终的字符串然后显示在文本框和可能的各种其他控件中。现在，我已经检查过，我选择的所有字符都完全能够使用我选择的字体在文本框中显示 - 我可以将它们复制/粘贴到那里并且它可以工作。但是当我运行它时，字符串中出现了很多错误字符。我认为的失败点是我的随机函数不理解该字符串包含多字节字符。有什么办法可以修改它吗？

编辑:添加了 's' 集，这肯定会导致失败。

编辑 2:或者，如果有某种方法可以轻松判断字符串中的哪些字符是多字节的，我可以删除它们并有更少的字符可供选择。显然，我没有将这些角色用于其预期目的，因此为了简单起见，我可以牺牲一些多样性。

Answer 1

问题可能出在其他字母集之一上，而字符组合是导致问题的原因。例如，我可以通过在字符串中包含组合变音标记(例如\u0301)来导致 @Harrison 的测试用例失败。因此，如果没有看到其他集合和您正在使用的输入测试用例，就很难说。

忽略所有这些，如果您确实有组合字符或代理对，则正确的方法是使用 StringInfo.GetTextElementEnumerator迭代字符串逻辑字符。这是一个性能不佳的示例，它将取代您当前的 Random 实现。

public static class Extensions
{
    private static Random rand = new Random(1);

    public static string Random(this string str)
    {
        var chars = new List<string>();
        var strElements = StringInfo.GetTextElementEnumerator(str);
        while (strElements.MoveNext())
        {
            chars.Add(strElements.GetTextElement());
        }
        return chars[rand.Next(chars.Count)];
    }
}

这将涵盖所有情况，例如字母 "ś" 可以通过其字面量定义，长度为 1，或者与 s "s\u0301"< 上的组合字符一起定义 的长度为 2。渲染时它们都表示相同的字形。