c# - 从左到右解析阿拉伯语/RTL 文本

Question

假设我有一个 RTL 语言的字符串，例如阿拉伯语，其中夹杂了一些英语:

string s = "Test:لطيف;اليوم;a;b"

注意字符串中有分号。当我使用像 string[] spl = s.Split(';'); 这样的拆分命令时，一些字符串会以相反的顺序保存。这是发生了什么:

spl[0] = "测试:لطيو"
spl[1] = ""اليوم
spl[2] = "a"
spl[3] = "b"

以上内容与原文相比有误。相反，我希望得到这个:

spl[0] = "Test:اليوم"
spl[1] = "لطيوو"
spl[2] = "a"
spl[3] = "b"

我准备编写自己的拆分函数。然而，字符串中的字符也以相反的顺序解析，所以我回到原点。我只想浏览屏幕上显示的每个字符。

Answer 1

正如您的字符串当前所代表的， لطيوم 一词存储在 اليوم 之前；事实上，اليوم 显示在“第一位”(即，更靠左)，这只是 Unicode 双向算法在显示文本时的(正确)结果。

即:你开头的字符串(“Test:لطيو٩;اليوم;a;b”)是用户输入“Test:”，然后是لطيو，然后是“;”，然后是اليوم，然后是“”的结果;a;b"。因此，C# 拆分它的方式实际上反射(reflect)了创建字符串的方式。只是它的创建方式并没有体现在字符串的显示上，因为两个连续的阿拉伯语单词在显示时被视为一个单独的单元。

如果您想要一个字符串以从左到右的顺序显示阿拉伯语单词，中间有分号，同时还以相同的顺序存储单词，那么您应该放置一个从左到右的标记(U+ 200E) 分号后。这将有效地将每个阿拉伯语单词作为其自己的单元进行分割，然后双向算法将分别处理每个单词。

例如，以下代码以与您使用的相同的字符串开头(添加了一个从左到右的标记)，但它会根据您期望的方式将其拆分(也就是说，spl[0] = "Test:اليوم"，和 spl[1] = "لطيوم"):

static void Main(string[] args) {
    string s = "Test:اليوم;\u200Eلطيفة;a;b";
    string[] spl = s.Split(';');
}