c# - 处理对短信的异常回复

Question

我编写了一个约会安排系统，该系统(除其他外)在约会到期前一天发送提醒短信。它要求用户通过对文本回复“确定”来确认他们出席了约会。

在人们回复的地方，它通常运行良好，并且减少了巨大的手动工作量。我现在正在整理几个缺陷(谢天谢地，它们很少而且影响很小)，但偶尔我会看到 @u{some string} 的响应。我没有解析这个的规则，所以它们进入了一个无效的响应桶以供手动跟进。

今天我看到了一个回复，如下所示:

@u004f006b

我很确定在这个阶段 @u 表示后面是 Unicode(类似于 C# 中的\u 指示符)所以做出这个假设我得到以下结果:

U+004F => decimal 79 => O (uppercase)

U+006B => decimal 107 => k (lowercase)

负责的公司告诉我消息是这样发送到他们的服务器的，所以这一定是客户端问题，对吗？我查看了我的 SMS 发送应用程序(Android 7.x 上的 ChompSMS)，但看不到任何将其设置为以 Unicode 与 ASCII 显式发送的内容，所以我想知道这是怎么发生的？

我从数据库中提取了 10 个以该 Unicode 指示符开头的随机响应，并着手编写一些内容来处理它们。以下是我对此的幼稚尝试:

using System;
using System.Text;

namespace CharConversion
{
    class Program
    {
        static void Main()
        {
            string[] unicodeResponses = new string[]
            {
                "@U00430061006e20190074002000620065002000610062006c006500200074006f002000620065002000740068006500720065",
                "@U004f006b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U004f004b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U00d2006b",
                "@U004f004b",
                "@U004f006b00610079002000bf00bf0020",
                "@U004f004b",
                "@U004f006b00bf00bf00bffffd"
            };

            foreach (string unicodeResponse in unicodeResponses)
            {
                string characters2 = UnicodeCodePointsToString(unicodeResponse);
                Console.WriteLine("'{0}' is '{1}' in plain text", unicodeResponse, characters2);
            }

            Console.Read();
        }

        private static string UnicodeCodePointsToString(string unicodeResponse)
        {
            string[] characterByteValues = SplitStringEveryN(unicodeResponse.Substring(2), 4);
            char[] characters = new char[characterByteValues.Length];

            for (int i = 0; i < characterByteValues.Length; i++)
            {
                int ordinal = Int32.Parse(characterByteValues[i], System.Globalization.NumberStyles.HexNumber);
                characters[i] = (char) ordinal;
            }

            return new string(characters);
        }

        private static string[] SplitStringEveryN(string input, int splitLength)
        {
            StringBuilder sb = new StringBuilder();
            for (int i = 0; i < input.Length; i++)
            {
                if (i % splitLength == 0)
                {
                    sb.Append(' ');
                }
                sb.Append(input[i]);
            }

            string[] returnValue = sb.ToString().TrimStart().Split(' ');
            return returnValue;
        }
    }
}

我的问题:

1. 为什么会发生这种情况？

2. 有了代码 - 有什么我遗漏的吗？例如。 Framework 中有什么东西已经可以为我处理这个问题了吗？或者说，了解 Unicode 的人可以看到一些明显的缺点吗？有什么我可以做得更好的吗？

3. 一些代码点仍然呈现为颠倒的问题(我自己怀疑这些是表情符号)- 我有什么办法可以处理它们吗？

EDIT 2018-04-26 给后代的注释

(我打算把它放在评论中，但无论我用它做什么，它看起来都很糟糕)

我查看了已接受答案中的链接，虽然代码比我的更简洁，但最后的输出是相同的——包括倒置的问号(我怀疑这些字形是表情符号)。更多关于 Unicode 和 UCS2 之间差异的阅读 can be found here和 the Wikipedia article也值得一读:

长话短说

• UCS-2 已过时并已被 UTF-16 取代 UCS-2 是一种固定宽度编码方案，而 UTF-16 是可变宽度编码方案
• 支持 UTF-16 的应用程序可以读取 UCS-2 文件，但不能读取反过来
• UTF-16 支持从右到左的脚本，而 UCS-2没有
• UTF-16 支持规范化而 UCS-2 不支持

Answer 1

SMS 消息可以使用多种编码进行编码。其中包括 7 位 (GSM-7)、8 位和 16 位 (UCS2)。虽然大多数 SMS 程序以最不浪费的编码对消息进行编码 - 即使所有字符都属于其他编码的范围，使用 16 位编码也没有任何无效。那就是我假设你的情况会发生什么。当然，短信是按字节传输的，而不是 u004f006b 字符串，所以为什么要这样表示取决于您使用的工具\与您合作的第三方。

至于你的解析代码。它假定字符串是 UTF-16(C# 字符串的内部表示)，但如果以上内容正确，则编码为 UCS2。它与 UTF-16 非常相似，但又不完全相同。我不太有资格讨论差异，但你可以看看例如 this answer有关如何使用它的一些线索。这也可能是某些字符解码不正确的原因。