c# - 在 C# 中将阿拉伯语单词转换为 Unicode 格式

Question

我正在设计一个 API，其中 API 用户需要以 Unicode 格式返回阿拉伯文本，为此我尝试了以下方法:

public static class StringExtensions
{
    public static string ToUnicodeString(this string str)
    {
        StringBuilder sb = new StringBuilder();
        foreach (var c in str)
        {
            sb.Append("\\u" + ((int)c).ToString("X4"));
        }
        return sb.ToString();
    }
}

上面代码的问题是它返回字母的 unicode 而不管它在 word 中的位置。

示例:假设我们有以下单词:

“سمير”包括:

'س' 写成 'سـ' 因为它是单词的第一个字母。

'م' 写成 'ـمـ' 因为它在单词的中间。

'ي' 写成 'ـيـ' 因为它在单词的中间。

'б' 写成 'ـб' 因为它是单词的最后一个字母。

上面的代码返回了 { 'س', 'م' , 'ي' , 'б'} 的 unicode 是:

\u0633\u0645\u064A\u0631

而不是 { 'سـ' , 'ـمـ' , 'ـيـ' , 'ـر'}

\uFEB3\uFEE4\uFEF4\uFEAE

关于如何更新代码以获得正确的 Unicode 有什么想法吗？

有帮助 link

Answer 1

字符串只是一系列 Unicode 代码点；它不知道阿拉伯语的规则。你得到的正是你输入的数据；如果你想输出不同的数据，那就输入不同的数据!

试试这个:

Console.WriteLine("\u0633\u0645\u064A\u0631");
Console.WriteLine("\u0633\u0645\u064A\u0631".ToUnicodeString());
Console.WriteLine("\uFEB3\uFEE4\uFEF4\uFEAE");
Console.WriteLine("\uFEB3\uFEE4\uFEF4\uFEAE".ToUnicodeString());

正如预期的那样，输出是

سمير
\u0633\u0645\u064A\u0631
ﺳﻤﻴﺮ
\uFEB3\uFEE4\uFEF4\uFEAE

这两个 Unicode 代码点序列在浏览器中呈现相同，但它们是不同的序列。如果要写出第二个序列，那么就不要传入第一个序列。