从字符串打印字符会产生不同的结果答案

【问题标题】：Printing characters from string give different results从字符串打印字符会产生不同的结果
【发布时间】：2014-08-23 18:48:21
【问题描述】：

我对 D 中的 UTF8 字符串感到困惑。有人可以解释为什么下面的代码会给出不同的结果吗？为什么"abç"[2] == 'ç' 是false 而不是true？

string s = "abç";
for(int i = 0; i < s.length; i++)
{
    dchar c = s[i];
    writefln("%#x", cast(int)c);
}
writeln();
foreach(dchar c; s)
{
    writefln("%#x", cast(int)c);
}

这段代码输出：

【问题讨论】：

标签： string utf-8 d

【解决方案1】：

ç 字符的 UNICODE 代码点大于 7F（即 E7），因此在 UTF8 字符串中表示为多个 char（即 C3 A7 对）

s[2] 只是s 中的第三个char（也是“ç”的第一个字符）

您的第一个循环按原样打印“字节”。（取为 s[i]）您的第二个循环将 s 中的代码点转换为 UTF32。

e7 和 C3 A7 只是同一个 (U+00E7) 字符的 UTF32 和 UTF8 编码。

供参考：http://www.fileformat.info/info/unicode/char/e7/index.htm

【讨论】：

所以如果我想从给字符串s 中获取带有unicode 字符的第二个字符，s[1] 将不起作用？我应该处理代码点吗？
是的：UTF8 中的代码点长度并不完全相同，因此直接索引是没有用的（除非您可以事先证明所有字符串都是 ASCII）。
我知道它们的长度不尽相同，但没有意识到它在 D 中不起作用。按索引获取字符的 D 方法是什么？
在 UTF8 中没有任何意义。不管用什么语言。如果您想通过直接索引字符来工作，则必须使用 UTF32 字符串。至少在 UNICODE 代码点将保持小于 2^^32 之前
@jack 您可以使用 std.utf.toUTF32(); 转换为 dstring（您可以在其中正确索引）；