我正在使用此代码生成 U+10FFFC
var s = Encoding.UTF8.GetString(new byte[] {0xF4,0x8F,0xBF,0xBC});
我知道它是供私有(private)使用之类的，但它确实显示了一个字符，正如我在显示它时所期望的那样。操作此 unicode 字符时会出现问题。
如果我以后这样做:
foreach(var ch in s)
{
Console.WriteLine(ch);
}
它不是只打印单个字符，而是打印两个字符(即字符串显然由两个字符组成)。如果我改变我的循环以将这些字符添加回空字符串，如下所示:
string tmp="";
foreach(var ch in s)
{
Console.WriteLine(ch);
tmp += ch;
}
最后，tmp 将只打印一个字符。
这里到底发生了什么？我认为 char 包含单个 unicode 字符，除非我正在转换为字节，否则我不必担心一个字符有多少字节。我的真实用例是我需要能够检测到字符串中何时使用了非常大的 unicode 字符。目前我有这样的东西:
foreach(var ch in s)
{
if(ch>=0x100000 && ch<=0x10FFFF)
{
Console.WriteLine("special character!");
}
}
但是，由于这种拆分非常大的字符，这是行不通的。我怎样才能修改它以使其工作？
最佳答案
U+10FFFC 是一个 Unicode 代码点，但是 string的接口(interface)不直接公开一系列 Unicode 代码点。它的接口(interface)公开了一系列 UTF-16 代码单元。这是一个非常低级的 TextView 。非常不幸的是，如此低级的 TextView 被移植到可用的最明显和直观的界面上......我会尽量不提示我不喜欢这种设计，只是说没关系多么不幸，这只是一个你不得不忍受的(悲伤的)事实。
首先，我建议使用 char.ConvertFromUtf32 得到你的初始字符串。更简单，更易读:
var s = char.ConvertFromUtf32(0x10FFFC);
所以，这个字符串的 Length不是 1，因为正如我所说，接口(interface)处理 UTF-16 代码单元，而不是 Unicode 代码点。 U+10FFFC 使用两个 UTF-16 编码单元，所以 s.Length是 2。所有高于 U+FFFF 的代码点都需要两个 UTF-16 代码单元来表示。
你应该注意到 ConvertFromUtf32不返回 char : char是 UTF-16 代码单元，而不是 Unicode 代码点。为了能够返回所有 Unicode 代码点，该方法不能返回单个 char。 .有时它需要返回两个，这就是为什么它使它成为一个字符串。有时你会发现一些处理 int 的 API s 而不是 char因为int也可用于处理所有代码点(这就是 ConvertFromUtf32 作为参数，以及 ConvertToUtf32 产生的结果)。
string工具 IEnumerable<char> ，这意味着当您遍历 string每次迭代你得到一个 UTF-16 代码单元。这就是为什么迭代您的字符串并将其打印出来会产生一些包含两个“东西”的损坏输出。这些是构成 U+10FFFC 表示的两个 UTF-16 代码单元。他们被称为“代理人”。第一个是 high/lead 代理，第二个是 low/trail 代理。当您单独打印它们时，它们不会产生有意义的输出，因为单独的代理在 UTF-16 中甚至无效，并且它们也不被视为 Unicode 字符。
当您将这两个代理项附加到循环中的字符串时，您有效地重建了代理项对，稍后打印该对作为一个可以获得正确的输出。
在咆哮的前面，请注意没有人提示您在该循环中使用了格式错误的 UTF-16 序列。它创建了一个带有单独代理项的字符串，但一切都像什么都没发生一样继续进行:string类型甚至不是格式良好 UTF-16 代码单元序列的类型，而是任何 UTF-16 代码单元序列的类型。
The char structure提供处理代理项的静态方法:IsHighSurrogate , IsLowSurrogate , IsSurrogatePair , ConvertToUtf32 , 和 ConvertFromUtf32 .如果你愿意，你可以编写一个遍历 Unicode 字符而不是 UTF-16 代码单元的迭代器:
static IEnumerable<int> AsCodePoints(this string s)
{
for(int i = 0; i < s.Length; ++i)
{
yield return char.ConvertToUtf32(s, i);
if(char.IsHighSurrogate(s, i))
i++;
}
}
然后你可以这样迭代:
foreach(int codePoint in s.AsCodePoints())
{
// do stuff. codePoint will be an int will value 0x10FFFC in your example
}
如果您希望将每个代码点作为字符串而不是将返回类型更改为 IEnumerable<string>和屈服线:
yield return char.ConvertFromUtf32(char.ConvertToUtf32(s, i));
对于该版本，以下内容按原样工作:
foreach(string codePoint in s.AsCodePoints())
{
Console.WriteLine(codePoint);
}
关于c# - 在 .Net 中使用大于 2 个字节的 unicode 字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16816528/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
总的来说，我对ruby还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用
我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么？我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等，你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算，还是有更好的方法？也许为此目的准备了一个开箱即用的库？
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，
作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我