c# - .NET 如何确定字符的 Unicode 类别？

Question

我在使用 .NET Reflector 查看 mscorelib.dll 时偶然发现了 Char 类。我一直想知道像 Char.isLetter 这样的方法是如何完成的。我期待着大量的测试，但是，稍微挖掘一下，我发现了一个非常短的代码来确定 Unicode 类别。然而，这段代码使用了某种表格和一些移位巫术。任何人都可以向我解释这是如何完成的，或者给我一些资源吗？

编辑:这是代码。它在 System.Globalization.CharUnicodeInfo 中。

internal static unsafe byte InternalGetCategoryValue(int ch, int offset)
{
    ushort num = s_pCategoryLevel1Index[ch >> 8];
    num = s_pCategoryLevel1Index[num + ((ch >> 4) & 15)];
    byte* numPtr = (byte*) (s_pCategoryLevel1Index + num);
    byte num2 = numPtr[ch & 15];
    return s_pCategoriesValue[(num2 * 2) + offset];
}

s_pCategoryLevel1Index 是一个short*，s_pCategoryValues 是一个byte*

两者都是在 CharUnicodeInfo 静态构造函数中创建的:

 static unsafe CharUnicodeInfo()
{
    s_pDataTable = GlobalizationAssembly.GetGlobalizationResourceBytePtr(typeof(CharUnicodeInfo).Assembly, "charinfo.nlp");
    UnicodeDataHeader* headerPtr = (UnicodeDataHeader*) s_pDataTable;
    s_pCategoryLevel1Index = (ushort*) (s_pDataTable + headerPtr->OffsetToCategoriesIndex);
    s_pCategoriesValue = s_pDataTable + ((byte*) headerPtr->OffsetToCategoriesValue);
    s_pNumericLevel1Index = (ushort*) (s_pDataTable + headerPtr->OffsetToNumbericIndex);
    s_pNumericValues = s_pDataTable + ((byte*) headerPtr->OffsetToNumbericValue);
    s_pDigitValues = (DigitValues*) (s_pDataTable + headerPtr->OffsetToDigitValue);
    nativeInitTable(s_pDataTable);
}

这是 UnicodeDataHeader。

internal struct UnicodeDataHeader
{
    // Fields
    [FieldOffset(40)]
    internal uint OffsetToCategoriesIndex;
    [FieldOffset(0x2c)]
    internal uint OffsetToCategoriesValue;
    [FieldOffset(0x34)]
    internal uint OffsetToDigitValue;
    [FieldOffset(0x30)]
    internal uint OffsetToNumbericIndex;
    [FieldOffset(0x38)]
    internal uint OffsetToNumbericValue;
    [FieldOffset(0)]
    internal char TableName;
    [FieldOffset(0x20)]
    internal ushort version;
}

注意:我希望这不会违反任何许可。如果是这样，我将删除代码。

Answer 1

基本信息存储在charinfo.nlp中，它作为资源嵌入到mscorlib.dll中，并在运行时加载。该文件的细节可能只有 Microsoft 知道，但足以说明它可能是一种时尚的查找表。

编辑

According to MSDN :

This enumeration is based on The Unicode Standard, version 5.0. For more information, see the "UCD File Format" and "General Category Values" subtopics at the Unicode Character Database.