2019-11-10-使用StringInfo正确查找字符个数

黄腾霄

发布于 2020-06-10 14:43:10

3700

发布于 2020-06-10 14:43:10

文章被收录于专栏：黄腾霄的博客

之前在处理文本的时候遇到过这样的一个问题，有的字，它看着是一个，但是程序说他是两个，但是实际真的是一个。好吧，你们一定没有听懂我在讲什么。没关系一起来看看代码

假如有这么一个字符串“黄腾霄好瘦哦”，需要使用程序找出这个字符串包含几个字，怎么找？

var s=“黄腾霄好瘦哦”;
var len=s.Length;

很简单是不是。那再看看这个字符串，“黄腾霄也能算瘦?”，不出意料的话应该是8个字对吧？

我们看看上一个程序的输出。

惊了，他居然输出了长度为9。

实际上这个地方的问题出在最后一个emoji上。

让我们先看看这个字符串的Unicode编码是什么样的。

我们看到这个8个字符的字符串实际上包含了9个Unicode。

而其中整个emoji字符?，实际是由2个Unicode字符拼接而成的。

实际上对于“U+D800-U+DFFF”中的值是作为代理字符对存在的，他们会将两个字符映射成为一个字符。

所以在Unicode编码上是2个，而显示上却只有一个。而我们的String.Length恰好就只是读Unicode编码的个数。

所以才会出现多一个的情况。

那么怎么办呢？我们看看下面这个代码

var s = @"黄腾霄也能算瘦?";
var len = s.Length;
var info = new StringInfo(s);
var realLength = info.LengthInTextElements;

成功！！StingInfo可以获取字符串实际显示的字符个数。

当然这样还不够，我们还是会想要枚举字符串中每个字符。

不过SringInfo并不是集合，也没有继承IEnumerable的接口

但是我们可以通过静态方法StringInfo.GetNextTextElement获得指定位置的显示字符

或者通过静态方法StringInfo.GetTextElementEnumerator获得指定字符串的显示字符迭代器。

我们看看如下代码

var s = @"黄腾霄也能算瘦?";
var len = s.Length;
var info = new StringInfo(s);
var realLength = info.LengthInTextElements;
Console.WriteLine(s);
for (int i = ; i < realLength; i++)
{
    Console.WriteLine(StringInfo.GetNextTextElement(s, i));
}

Console.WriteLine("-----------");
var enumerator = StringInfo.GetTextElementEnumerator(s);
while (enumerator.MoveNext())
{
    Console.WriteLine(enumerator.GetTextElement());
}