如何从角色中获取数据答案

【问题标题】：How to get data off of a character如何从角色中获取数据
【发布时间】：2012-10-29 22:46:39
【问题描述】：

我正在 Unity 中开发一个使用 Assembly C# 的项目。我尝试获取特殊字符，例如é，但在控制台中它只显示一个空白字符：“”。例如翻译“你好吗？”应该返回“Cómo Estás？”，但它返回“Cmo Ests”。我将返回字符串“Cmo Ests”放在一个字符数组中，并意识到它是一个非空空白字符。我正在使用 Encoding.UTF8，当我这样做时：

char ch = '\u00e9';
print (ch);

它将打印“é”。我尝试使用以下方法从给定字符串中获取字节：

byte[] utf8bytes = System.Text.Encoding.UTF8.GetBytes(temp);

在翻译“你好吗？”时，它会返回一个字节串，但是对于é等特殊字符，我得到的是字节序列239、191、189，这是一个替换字符。

我需要从字符中检索什么类型的信息才能准确确定它是什么字符？我是否需要对 Google 提供给我的信息做些什么，或者是别的什么？我需要一个可以放在我的程序中并且适用于任何输入字符串的一般案例。如果有人可以提供帮助，将不胜感激。

这里是引用的代码：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using UnityEngine;
using System.Collections;
using System.Net;
using HtmlAgilityPack;


public class Dictionary{
string[] formatParams;
HtmlDocument doc;
string returnString;
char[] letters;
public char[] charString;
public Dictionary(){
    formatParams = new string[2];
    doc = new HtmlDocument();
    returnString = "";
}

public string Translate(String input, String languagePair, Encoding encoding)
    {
        formatParams[0]= input;
        formatParams[1]= languagePair;
        string url = String.Format("http://www.google.com/translate_t?hl=en&ie=UTF8&text={0}&langpair={1}", formatParams);

        string result = String.Empty;

        using (WebClient webClient = new WebClient())
        {
            webClient.Encoding = encoding;
            result = webClient.DownloadString(url);
        }       
        doc.LoadHtml(result);
        input = alter (input);
        string temp = doc.DocumentNode.SelectSingleNode("//span[@title='"+input+"']").InnerText;
        charString = temp.ToCharArray();
        return temp;
    }
// Use this for initialization
void Start () {

}
string alter(string inputString){
    returnString = "";
    letters = inputString.ToCharArray();
    for(int i=0; i<inputString.Length;i++){
        if(letters[i]=='\''){
            returnString = returnString + "&#39;";  
        }else{
            returnString = returnString + letters[i];   
        }
    }
    return returnString;
}
}

【问题讨论】：

您应该包含生成响应的代码。
老实说，我不明白问题出在哪里。我在你的问题中看到的是你得到的正是你想要的。如果您要求 UTF8 字节，您将获得 UTF8 字节。 239、191、189 是单个 Unicode 字符的 UTF8 编码。如果您需要从 utf8 转换为 unicode，请执行以下操作：stackoverflow.com/questions/11293994/…
你的print() 方法是做什么的？如果您尝试将 UTF8 字节视为字符，则会遇到问题。 UTF8 字符长度可以超过 1 个字节。
@plinth 问题是，239 191 189 是通用的缺失字符代码，因此 é 和 ó 将具有相同的代码。我需要知道如何区分这两者。
@Neil print() 与 Console.Writeln() 或 System.out.println() 相同

标签： c# utf-8 unity3d .net-assembly google-translate

【解决方案1】：

我在处理我的一个项目时遇到了同样的问题 [语言资源本地化翻译]

我正在做同样的事情并且正在使用.. System.Text.Encoding.UTF8.GetBytes() 并且由于 utf8 编码正在接收特殊字符，例如您的例如结果字符串中的 239、191、189。

请看看我的解决方案...希望这会有所帮助

根本不使用编码 Google 翻译会像 á 一样在字符串中返回正确的。做一些字符串操作并按原样读取字符串...

通用解决方案 [适用于谷歌支持的所有语言翻译]

try
{
    //Don't use UtF Encoding 
    // use default webclient encoding

    var url = String.Format("http://www.google.com/translate_t?hl=en&text={0}&langpair={1}", "►" + txtNewResourceValue.Text.Trim() + "◄", "en|" + item.Text.Substring(0, 2));                    

     var webClient = new WebClient();
     string result = webClient.DownloadString(url); //get all data from google translate in UTF8 coding..

      int start = result.IndexOf("id=result_box");
      int end = result.IndexOf("id=spell-place-holder");
      int length = end - start;
      result = result.Substring(start, length);
      result = reverseString(result);

      start = result.IndexOf(";8669#&");//◄
      end = result.IndexOf(";8569#&");  //►
      length = end - start;

      result = result.Substring(start +7 , length - 8);
      objDic2.Text =  reverseString(result);

       //hard code substring; finding the correct translation within the string.
        dictList.Add(objDic2);
}
catch (Exception ex)
 {
  lblMessages.InnerHtml = "<strong>Google translate exception occured no resource   saved..." + ex.Message + "</strong>";
                error = true;
}

public static string reverseString(string s)
{
    char[] arr = s.ToCharArray();
    Array.Reverse(arr);
    return new string(arr);

}

从代码中可以看出，没有执行任何编码，我发送 2 个特殊键字符为“►”+ txtNewResourceValue.Text.Trim()+“◄”来确定返回翻译的开始和结束谷歌。

我还检查了我的语言实用工具是否收到“Cómo Estás？”发送时你怎么用谷歌翻译... :)

最好的问候 [沙兹]

---------------已编辑------- ------

公共字符串翻译（字符串输入，字符串语言对） {

    try
    {


        //Don't use UtF Encoding 
        // use default webclient encoding
        //input        [string to translate]
        //Languagepair [eg|es]

        var url = String.Format("http://www.google.com/translate_t?hl=en&text={0}&langpair={1}", "►" + input.Trim() + "◄", languagePair);

        var webClient = new WebClient();
        string result = webClient.DownloadString(url); //get all data from google translate 

        int start = result.IndexOf("id=result_box");
        int end = result.IndexOf("id=spell-place-holder");
        int length = end - start;
        result = result.Substring(start, length);
        result = reverseString(result);

        start = result.IndexOf(";8669#&");//◄
        end = result.IndexOf(";8569#&");  //►
        length = end - start;

        result = result.Substring(start + 7, length - 8);

        //return transalted string
        return reverseString(result); 


    }
    catch (Exception ex)
    {
        return "Google translate exception occured no resource   saved..." + ex.Message";

    }
}

【讨论】：

感谢您的回复。您能否为我提供更多关于这应该在我的代码中的位置的见解，例如。方法名和参数。任何帮助将不胜感激。
@Cameron 请查看新的编辑代码，它应该适合您。有任何问题请告诉我...

【解决方案2】：

您的方法存在几个问题。首先UTF8编码是一种多字节编码。这意味着如果您使用任何非 ASCII 字符（字符代码 > 127），您将获得一系列特殊字符，向系统表明这是一个 Unicode 字符。所以实际上你的序列 239、191、189 表示单个字符，它不是 ASCII 字符。如果你使用 UTF16，那么你会得到固定大小的编码（2 字节编码），它实际上将一个字符映射到一个无符号短 (0-65535)。

c#中的char类型是双字节类型，所以实际上是一个无符号短整型。这与 char 类型为 1 字节类型的 C/C++ 等其他语言形成鲜明对比。

所以在你的情况下，除非你真的需要使用 byte[] 数组，否则你应该使用 char[] 数组。或者，如果您想对字符进行编码以便它们可以在 HTML 中使用，那么您可以遍历字符并检查字符代码是否 > 128，然后您可以将其替换为 &hex;字符代码。

【讨论】：

【解决方案3】：

实际上你几乎拥有它。只需插入带有 \u 的编码字母即可。

string mystr = "C\u00f3mo Est\u00e1s?";

【讨论】：

谢谢，但这是针对单个案例的。我需要一个通用的解决方案。

【解决方案4】：

也许您应该使用另一个 API/URL。下面的这个函数使用了一个不同的 url，它返回 JSON 数据，似乎效果更好：

    public static string Translate(string input, string fromLanguage, string toLanguage)
    {
        using (WebClient webClient = new WebClient())
        {
            string url = string.Format("http://translate.google.com/translate_a/t?client=j&text={0}&sl={1}&tl={2}", Uri.EscapeUriString(input), fromLanguage, toLanguage);
            string result = webClient.DownloadString(url);

            // I used JavaScriptSerializer but another JSON parser would work
            JavaScriptSerializer serializer = new JavaScriptSerializer();
            Dictionary<string, object> dic = (Dictionary<string, object>)serializer.DeserializeObject(result);
            Dictionary<string, object> sentences = (Dictionary<string, object>)((object[])dic["sentences"])[0];
            return (string)sentences["trans"];
        }
    }

如果我在控制台应用程序中运行它：

    Console.WriteLine(Translate("How are you?", "en", "es"));

会显示

¿Cómo estás?

【讨论】：

当试图把它放到程序中时，它说它缺少命名空间。我试过“使用 System.web;”但它仍然说名称空间丢失。我必须使用什么命名空间才能让它工作？
您需要添加对 System.Web.Extensions 的程序集引用
@CameronBarge 我已经对 Simon 的帖子进行了一些编辑（他们正在接受同行评审..），但通常您需要包含 System.Web.Extensions 程序集（即在“参考”中）和对System.Net 和System.Web.Script.Serialization 有“使用”。

【解决方案5】：

我对 GoogleTranslate API 了解不多，但我的第一个想法是您遇到了 Unicode 规范化问题。

看看System.String.Normalize() 和它的朋友们。

Unicode 非常复杂，所以我将过度简化！许多符号可以在 Unicode 中以不同的方式表示，即：“é”可以表示为“é”（一个字符），或表示为“e”+“重音字符”（两个字符），或者，取决于出现的情况从 API 回来，完全是别的东西。

Normalize 函数会将您的字符串转换为具有相同文本含义的字符串，但可能是不同的二进制值，这可能会解决您的输出问题。

【讨论】：