如何返回字符的Unicode Code Point？例如，如果输入是“A”，那么输出应该是“U+0041”。理想情况下，解决方案应该处理surrogate pairs。
code point我的意思是实际的code point according to Unicode，它不同于code unit（UTF8有8位编码单元，UTF16有16-位代码单元，而 UTF32 有 32 位代码单元，在后一种情况下，在考虑字节顺序后，值等于代码点。
【问题讨论】：
标签： c# unicode unicode-string
很简单，因为 C# 中的字符实际上是 UTF16 代码点：
char x = 'A';
Console.WriteLine("U+{0:x4}", (int)x);
为了解决 cmets，C# 中的 char 是一个 16 位数字，并包含一个 UTF16 代码点。高于 16 位空间的代码点不能用 C# 字符表示。 C# 中的字符不是可变宽度。但是，string 可以有 2 个相互跟随的字符，每个字符都是一个代码单元，形成一个 UTF16 代码点。如果您有字符串输入和 16 位空间以上的字符，则可以使用 char.IsSurrogatePair 和 Char.ConvertToUtf32，如另一个答案中所建议：
string input = ....
for(int i = 0 ; i < input.Length ; i += Char.IsSurrogatePair(input,i) ? 2 : 1)
{
int x = Char.ConvertToUtf32(input, i);
Console.WriteLine("U+{0:X4}", x);
}
【讨论】：
'a') 是U+0061，大写a ('A') 是U+0041
我在msdn forum 上找到了一个小方法。希望这会有所帮助。
public int get_char_code(char character){
UTF32Encoding encoding = new UTF32Encoding();
byte[] bytes = encoding.GetBytes(character.ToString().ToCharArray());
return BitConverter.ToInt32(bytes, 0);
}
【讨论】：
(int)character 不同的内容？如果character 是代理对的一半会怎样？
UTF32Encoding 显示，但由于该方法只需要char，因此它没有任何效果，与(int) character 相同，但比强制转换慢得多。事实上，character.ToString().ToCharArray() 将始终返回一个包含一项（大小为 2 字节）的数组，而 BitConverter 永远不会返回大于 65535 的值。原则上不错的想法，但在呈现方式上毫无用处。
public static string ToCodePointNotation(char c)
{
return "U+" + ((int)c).ToString("X4");
}
Console.WriteLine(ToCodePointNotation('a')); //U+0061
【讨论】：
'a') 是U+0061，大写a ('A') 是U+0041
Char.IsSurrogate(c)，您应该抛出异常，因为这样的代码单元不能被视为代码点值，因此没有代码点符号。
char 和 UTF-16 代码点之间存在一对一的映射，因为没有。
以下代码将string 输入的代码点写入控制台：
string input = "\uD834\uDD61";
for (var i = 0; i < input.Length; i += char.IsSurrogatePair(input, i) ? 2 : 1)
{
var codepoint = char.ConvertToUtf32(input, i);
Console.WriteLine("U+{0:X4}", codepoint);
}
输出：
U+1D161
由于 .NET 中的字符串是 UTF-16 编码的，因此构成字符串的 char 值需要先转换为 UTF-32。
【讨论】：
ConvertToUtf32 的方法转换为 Unicode 代码点，或转换为 UTF-32 并将结果视为 Unicode 代码点。到头来这可能会让人毛骨悚然。
C# 无法将 unicode 代码点存储在 char 中，因为 char 只有 2 个字节，而 unicode 代码点通常会超过该长度。解决方案是将代码点表示为字节序列（作为字节数组或“扁平化”为 32 位原语）或字符串。接受的答案转换为 UTF32，但这并不总是理想的。
这是我们用来将字符串拆分为其 unicode 代码点组件的代码，但保留了原生 UTF-16 编码。结果是一个可用于在 C#/.NET 中本地比较（子）字符串的可枚举：
public class InvalidEncodingException : System.Exception
{ }
public static IEnumerable<string> UnicodeCodepoints(this string s)
{
for (int i = 0; i < s.Length; ++i)
{
if (Char.IsSurrogate(s[i]))
{
if (s.Length < i + 2)
{
throw new InvalidEncodingException();
}
yield return string.Format("{0}{1}", s[i], s[++i]);
}
else
{
yield return string.Format("{0}", s[i]);
}
}
}
}
【讨论】：
实际上@Yogendra Singh 的回答有一些优点，目前是唯一一个投反对票的人。 工作可以这样完成
public static IEnumerable<int> Utf8ToCodePoints(this string s)
{
var utf32Bytes = Encoding.UTF32.GetBytes(s);
var bytesPerCharInUtf32 = 4;
Debug.Assert(utf32bytes.Length % bytesPerCharInUtf32 == 0);
for (int i = 0; i < utf32bytes.Length; i+= bytesPerCharInUtf32)
{
yield return BitConverter.ToInt32(utf32bytes, i);
}
}
经过测试
var surrogatePairInput = "abc?";
Debug.Assert(surrogatePairInput.Length == 5);
var pointsAsString = string.Join(";" ,
surrogatePairInput
.Utf8ToCodePoints()
.Select(p => $"U+{p:X4}"));
Debug.Assert(pointsAsString == "U+0061;U+0062;U+0063;U+1F4A9");
示例是相关的，因为一堆便便表示为代理对。
【讨论】：
char 作为参数，这意味着它永远不会给您超过两个字节的信息。您的改进是巨大的，因为您实际上解析的是字符串而不是字符。
在 .NET Core 3.0 或更高版本中，您可以使用Rune Struct：
// Note that ? and ? are encoded using surrogate pairs
// but A, B, C and ✋ are not
var runes = "ABC✋??".EnumerateRunes();
foreach (var r in runes)
Console.Write($"U+{r.Value:X4} ");
// Writes: U+0041 U+0042 U+0043 U+270B U+1F609 U+1F44D
【讨论】：