在 unicode 中过滤不可键入的字符答案

【问题标题】：Filtering non-Typeable characters in unicode在 unicode 中过滤不可键入的字符
【发布时间】：2014-05-29 14:55:48
【问题描述】：

在一个在 Delphi 6（非 Unicode 平台）下编写的旧应用程序中，我过去常常通过在 ANSI 字符表中引用它们的单元格编号来过滤掉不可键入的字符（ if (aKeyChar in [#32. .#254]) 然后.... ).

现在我转移到基于 Unicode 的平台的 Delphi 2010，这些字符映射不再相关。在 Delphi 2010 中是否有一种干净的方法可以实现这一目标？

【问题讨论】：

使用CharInSet函数？
请定义“不可输入”的含义。我很确定少于 32 的 ASCII 字符是可输入的，如果你知道的话。你的意思是“不可打印”。无论如何，你需要在这里定义你的意思。
@whosrdaddy ord(aKeyChar)<32 我认为更干净
@DavidHeffernan，完全同意，只是指出 [Enum] 中 x 是 Char 的 x 现在必须使用 CharInSet 函数。
@DavidHeffernan，“不可输入”字符是指退格，删除...

标签： delphi unicode delphi-2010

【解决方案1】：

查看System.Character单元中的各种辅助函数，如GetUnicodeCategory()、IsControl()、IsLetterOrDigit()、IsWhiteSpace()等。

【讨论】：

【解决方案2】：

在 Unicode 中，要确定代码点是否是控制字符（假设这就是“可键入”的意思），仅查看值是否在集合中是不够的。要获取“控制字符”，您可以查看System.Character 类：

if Character.IsControl(aKeyChar) then

但请注意，您可能还需要检查 WideChar 是低代理还是高代理，例如

if Character.IsLowSurrogate(aKeyChar) then
  // is unprintable in and of itself and next WideChar must be a high surrogate.
  // the combination is printable.

请注意，代理对（低代理 + 高代理一起）可以再次打印。单独的低代理是不可打印的。

【讨论】：

为什么说代理不可打印
第一个代理不是。因此，如果他正在检查单个 WideChars，而不是字符串，则第一个代理不是“可打印的”。如果第一个代理项是字符串的两个元素之一，那么整个对当然可以打印。
UTF-16 是一种可变长度编码。以元素方式处理它是没有任何意义的。术语在这里非常重要。您错误地使用了“代码点”。两个代理对组合成一个代码点。
我修改了答案。我知道 UTF-16 是一种可变长度编码。代理对（低 + 高代理一起）通常是可打印的，单独的低代理不是。
您的编辑仍然使用错误的术语。要清楚 WideChar 值不是代码点。当您有代理对时，您需要两个 WideChar 值来定义一个代码点。好的，下一个编辑正确。谢谢。