c# - 在印度语言的 c# 中将 Unicode 字符串转换为 unicode 字符

Question

我需要将 unicode 字符串转换为 unicode 字符。

例如:泰米尔语

"கமலி"=>'க','ம','லி'

我能够剥离 unicode 字节，但生成 unicode 字符却成了问题。

byte[] stringBytes = Encoding.Unicode.GetBytes("கமலி");
char[] stringChars = Encoding.Unicode.GetChars(stringBytes);
foreach (var crt in stringChars)
 {
     Trace.WriteLine(crt);
 }

它给出的结果是:

'க'=>0x0b95

'ம'=>0x0bae

'ல'=>0x0bb2

'ி'=>0x0bbf

所以这里的问题是如何将字符“லி”剥离为“லி”而不拆分'ல','ி'。

因为它在印度语言中很自然，将辅音和元音表示为单个字符，但使用 C# 进行解析会很困难。

所有的 i 需要拆分成 3 个字符。

Answer 1

要迭代字素，您可以使用 StringInfo 的方法类。

.NET 文档将基本字符 + 组合字符的每个组合称为“文本元素”，您可以使用 TextElementEnumerator 迭代它们:

var str = "கமலி";
var enumerator = System.Globalization.StringInfo.GetTextElementEnumerator(str);
while (enumerator.MoveNext())
{
    Console.WriteLine(enumerator.Current);
}

输出:

க
ம
லி