在 Delphi 7 中获取 char 值

Question

我正在 Delphi 7 中制作一个程序，该程序应该将 unicode 字符串编码为 html 实体字符串。 例如，“ABCģķī”将导致“ABCģķī”

现在有两个基本的东西：

1. Delphi 7 不是 Unicode，所以我不能直接在代码中编写 unicode 字符来对其进行编码。
2. 代码页由 255 个条目组成，每个条目包含一个特定于该代码页的字符，前 127 个除外，对于所有代码页都是相同的。

那么 - 如何获得 1-255 范围内的字符值？

我尝试了Ord(Integer)，但它也返回超过 255 的值。基本上，一切都很好（A 返回 65 以此类推），直到我的字符串达到非拉丁 unicode。

还有其他返回char值的方法吗？任何帮助表示赞赏

Answer 1

我建议您避免使用像瘟疫这样的代码页。

我会考虑两种 Unicode 方法：WideString 和 UTF-8.

Widestrings 的优势在于它是 Windows 的“原生”，如果您需要使用 Windows API 调用，这会有所帮助。缺点是存储空间，并且它们（如 UTF-8）可能需要多个 WideChar 来编码完整的 Unicode 空间。

UTF-8 is generally preferable。与 WideStrings 一样，这是一种多字节编码，因此特定的 unicode“代码点”可能需要字符串中的多个字节来对其进行编码。如果您对字符串进行大量逐个字符的处理，这只是一个问题。

@DavidHeffernan cmets (correctly) WideStrings 可能在某些情况下更紧凑。但是，只有当您绝对确定您的编码文本会真正更紧凑（不要忘记标记！）时，我才会推荐 UTF-16，而且这种紧凑性对您来说非常重要。

Answer 2

在 HTML 4 中，数字字符引用与 HTML 使用的字符集相关。该字符集是通过<meta> 标记在HTML 本身中指定的，还是通过HTTP/MIME Content-Type 标头或其他方式在带外指定的，都没有关系。因此，"ABCģķī" 将是 "ABCģķī" 的准确表示，仅当 HTML 使用 UTF-16 时。如果 HTML 使用 UTF-8，则正确的表示将是 "ABCģķī" 或 "ABCģķī"。大多数其他字符集不支持那些特定的 Unicode 字符。

在 HTML 5 中，数字字符引用包含原始 Unicode 代码点值，而与 HTML 使用的字符集无关。因此，"ABCģķī" 将表示为 "ABC#291;ķī" 或 "ABCģķī"。

因此，要回答您的问题，您要做的第一件事是决定是否需要对数字字符引用使用 HTML 4 或 HTML 5 语义。然后，您需要将 Unicode 数据分配给使用 UTF-16 的 WideString（这是 Delphi 7 原生支持的唯一 Unicode 字符串类型），然后：

1. 如果您需要 HTML 4：

   A.如果 HTML 字符集不是 UTF-16，则使用 WideCharToMultiByte()（或等效项）将 WideString 转换为该字符集，然后循环输出未保留字符的结果值和保留值的字符引用，使用 @ 987654333@ 用于十进制表示法或IntToHex() 用于十六进制表示法。

   B.如果 HTML 字符集是 UTF-16，则只需循环遍历 WideString 中的每个 WideChar，按原样输出未保留字符和保留值的字符引用，使用 IntToStr() 十进制表示法或 IntToHex() 十六进制表示法.

2. 如果您需要 HTML 5：

   A.如果WideString 不包含任何代理对，则只需循环遍历WideString 中的每个WideChar，按原样输出未保留字符和保留值的字符引用，使用IntToStr() 十进制表示法或IntToHex()用于十六进制表示法。

   B.否则，使用WideStringToUCS4String() 将WideString 转换为UTF-32，然后循环输出未保留代码点的结果值和保留代码点的字符引用，使用IntToStr() 十进制表示法或IntToHex() 十六进制表示法。

Answer 3

如果我正确理解了 OP，我将把它留在这里。

function Entitties(const S: WideString): string;
var
  I: Integer;
begin
  Result := '';
  for I := 1 to Length(S) do
  begin
    if Word(S[I]) > Word(High(AnsiChar)) then
      Result := Result + '#' + IntToStr(Word(S[I])) + ';'
    else
      Result := Result + S[I];
  end;
end;