swift - 有什么合理的方法可以访问 CharacterSet 的内容吗？

Question

对于随机字符串生成器，我认为使用 CharacterSet 作为要使用的字母表的输入类型会很好，因为预定义集如 CharacterSet.lowercaseLetters 显然很有用(即使它们可能包含比您预期的更多样的字符集)。

但是，显然您只能查询字符集的成员资格，而不能枚举它们，更不用说索引它们了。我们得到的只是 _.bitmapRepresentation，这是一个 8kb 的数据 block ，每个 (?) 字符都有一个指示位。但是，即使您通过索引 i 剥离单个位(这不太好，通过面向字节的 Data)，Character(UnicodeScalar(i)) 没有给出正确的字母。这意味着格式有些模糊——当然，它是 not documented .

当然可以iterate over all characters (per plane)但从成本角度来看，这是一个坏主意:20 个字符的集合可能需要迭代数万个字符。用 CS 术语来说:位向量是稀疏集的(非常)糟糕的实现。为什么他们选择在这里以这种方式进行权衡，我不知道。

我是不是遗漏了什么，或者 CharacterSet 只是 Foundation API 中的另一个死胡同？

Answer 1

正在关注 the documentation ，这里是对 Satachito 的改进，通过实际考虑平面索引来支持非连续平面的情况:

extension CharacterSet {
    func codePoints() -> [Int] {
        var result: [Int] = []
        var plane = 0
        // following documentation at https://developer.apple.com/documentation/foundation/nscharacterset/1417719-bitmaprepresentation
        for (i, w) in bitmapRepresentation.enumerated() {
            let k = i % 8193
            if k == 8192 {
                // plane index byte
                plane = Int(w) << 13
                continue
            }
            let base = (plane + k) << 3
            for j in 0 ..< 8 where w & 1 << j != 0 {
                result.append(base + j)
            }
        }
        return result
    }

    func printHexValues() {
        codePoints().forEach { print(String(format:"%02X", $0)) }
    }
}

用法

print("whitespaces:")
CharacterSet.whitespaces.printHexValues()
print()
print("two characters from different planes:")
CharacterSet(charactersIn: "𝚨󌞑").printHexValues()

结果

whitespaces:
09
20
A0
1680
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
200A
200B
202F
205F
3000

two characters from different planes:
1D6A8
CC791

表演

这实际上比遍历所有字符快 3 到 10 倍:与之前在 NSArray from NSCharacterset 的答案进行比较。 .