Visual Studio 可以将 U+20000 Unicode 处理为 char 吗？如何？答案

【问题标题】：Can Visual Studio handles U+20000 Unicode as char? How?Visual Studio 可以将 U+20000 Unicode 处理为 char 吗？如何？
【发布时间】：2014-06-12 19:03:20
【问题描述】：

有些 Unicode 代码超过一个字节，Visual Studio 可以处理这些字符吗？怎么样？

http://www.unicode.org 以下为 CJK 版本。现在一个字符可能超过一个字节。

中日韩统一表意文字扩展 B（U+20000 到 U+2A6D6）
中日韩统一表意文字扩展 C（U+2A700 到 U+2B734）
中日韩统一表意文字扩展 D（U+2B740 到 U+2B81D）
CJK 兼容表意文字补充（U+2F800 到 U+2FA1D）

以下语句在 Visual Studio 2012 上对我来说失败：

char ch = '\u2A6D6';

我还没有尝试过 Visual Studio 2013 / Visual Studio 2015。

【问题讨论】：

它们被处理为两个字符，一个低代理和一个高代理，形成一个surrogate pair。
见JavaScript has a Unicode problem。 C# 的解释完全相同。
Visual Studio 是如何失败的？
@LasseV.Karlsen 这里的“失败”是指 Visual Studio 无法识别 C# 语句 - 语法错误。
所以你的意思是 C# 编译器。

标签： c# visual-studio-2010 visual-studio visual-studio-2012 unicode

【解决方案1】：

此代码点不适合 char，因为 char 只有 16 位，因此仅支持最多 65535 个代码点。基本多语言平面 (BMP) 之外的字符可以编码为两个 UTF-16 代码-使用代理对的字符串中的单位。

char.ConvertFromUtf32(0x2A6D6) 返回一个包含两个chars、"\uD869\uDED6"的字符串

代码点 U+10000 到 U+10FFFF

来自其他平面（称为补充平面）的代码点通过称为代理对的 16 位代码单元对以 UTF-16 编码，采用以下方案：

从代码点中减去 0x010000，在 0..0x0FFFFF 范围内留下一个 20 位数。

前十位（0..0x03FF 范围内的数字）被添加到 0xD800 以提供第一个代码单元或前导代理，它将在 0xD800..0xDBFF 范围内。（以前版本的 Unicode 标准将这些称为高级代理。）

将低十位（也在 0..0x03FF 范围内）添加到 0xDC00 以提供第二个代码单元或跟踪代理，它将在 0xDC00..0xDFFF 范围内。（以前版本的 Unicode 标准将这些称为低代理。）

来自wikipedia - UTF-16

【讨论】：

那么C#中的char作为Unicode字符的含义是什么？
@Nobody A .NET char 表示 UTF-16 代码单元，而不是 unicode 代码点。
我可以得出结论：1.) C# 中的字符不是 UNICODE 中的字符！ 2.) C# 中的字符串可以是 UNICODE 中的单个字符。 3.) string.Length 在这种情况下计算 Unicode 字符时可能是错误的。 4.) Char.IsSurrogate() 和 Char.IsHighSurrogate() 在这种情况下非常有用。

【解决方案2】：

Visual Studio 应该能够很好地处理它们。但是，您的代码在 C# 中是不合法的。正如@CodesInChaos 所提到的，.NET 中的chars 是 UTF-16 代码单元，而不是 Unicode 代码点。 \uxxxx 转义序列只允许 4 个十六进制数字（2 个字节）。在 C# 中，您通常会对 0xFFFF 以上的代码点使用 \Uxxxxxxxx 转义，但请注意，此转义序列被转换为两个代理 UTF-16 代码单元（即两个 .NET chars），因此它们不能分配给char 数据类型。如果您需要使用char，则必须按照@CodesInChaos 的建议使用代理，否则您通常会执行以下操作：

string s = "\U0002A6D6";

旁注：我不会将扩展称为最近 2 个字节，它发生在 almost 20 years ago。

【讨论】：

谢谢，我从问题中取出了“最近”。