在.Net中查找Unicode字符名

uelo1irk  于 2023-01-31  发布在  .NET
关注(0)|答案(7)|浏览(131)

在.Net中有没有办法找出某个字符的Unicode名称?
如果没有,有没有图书馆可以做到这一点?

fdbelqdn

fdbelqdn1#

现在比以往任何时候都容易,因为nuget中有一个名为Unicode Information的包
有了这个,你就可以调用:

UnicodeInfo.GetName(character)
zysjyyx4

zysjyyx42#

这里有一个可以立即实现的解决方案,就像复制/粘贴/编译。
首先,在这里下载Unicode数据库(UCD):http://www.unicode.org/Public/UNIDATA/UnicodeData.txt
接下来,将以下代码添加到项目中,以读取UCD并创建一个Dictionary,用于查找.NET字符值的名称:

string[] unicodedata = File.ReadAllLines( "UnicodeData.txt", Encoding.UTF8 );
Dictionary<char,string> charname_map = new Dictionary<char,string>( 65536 );
for (int i = 0; i < unicodedata.Length; i++)
{
    string[] fields = unicodedata[i].Split( ';' );
    int char_code = int.Parse( fields[0], NumberStyles.HexNumber );
    string char_name = fields[1];
    if (char_code >= 0 && char_code <= 0xFFFF) //UTF-16 BMP code points only
    {
        bool is_range = char_name.EndsWith( ", First>" );
        if (is_range) //add all characters within a specified range
        {
            char_name = char_name.Replace( ", First", String.Empty ); //remove range indicator from name
            fields = unicodedata[++i].Split( ';' );
            int end_char_code = int.Parse( fields[0], NumberStyles.HexNumber );
            if (!fields[1].EndsWith( ", Last>" ))
                throw new Exception( "Expected end-of-range indicator." );
            for (int code_in_range = char_code; code_in_range <= end_char_code; code_in_range++)
                charname_map.Add( (char)code_in_range, char_name );
        }
        else
            charname_map.Add( (char)char_code, char_name );
    }
}

UnicodeData.txt文件采用UTF-8编码,每个Unicode码位包含一行信息。每行包含一个用分号分隔的字段列表,其中第一个字段是十六进制的Unicode码位(不带前缀),第二个字段是字符名称。有关文件和每行包含的其他字段的信息,请参阅:有关UCD格式的信息可在此处找到:http://www.unicode.org/reports/tr44/#Format_Conventions
使用上面的代码构建字符到字符名称的Map后,只需使用以下代码从Map中检索它们:

char c = 'Â';
string character_name;
if (!charname_map.TryGetValue( c, out character_name ))
    character_name = "<Character Name Missing>"; //character not found in map
//character_name should now contain "LATIN CAPITAL LETTER A WITH CIRCUMFLEX";

我建议将UnicodeData.txt文件嵌入到您的应用程序资源中,并将此代码 Package 到一个类中,该类在静态初始化器中加载并解析文件一次。为了使代码更具可读性,您可以在该类的“char”类中实现一个扩展方法,如“GetUnicodeName”。我特意将值限制在0到0xFFFF的范围内。因为这是.NET UTF-16字符所能容纳的全部内容。.NET字符实际上并不表示真正的“字符”(也称为码位),而是Unicode UTF-16代码单元,因为有些“字符”实际上需要两个代码单元。这样的一对代码单元称为高和低代理。大于0xFFFF的值(16位字符可以存储的最大值)在基本多语言平面(BMP)之外,并且根据UTF-16编码需要两个char来编码。在此实现中,作为代理对一部分的各个代码将以“非专用高代理”、“专用高代理”和“低代理”等名称结束。

rhfm7lfc

rhfm7lfc3#

如果使用Process Monitor查看charmap.exe访问的文件,您会看到它打开了一个名为C:\Windows\system32\getuname.dll的文件,该文件包含其资源中的字符名称(实际上资源本身位于特定于文化的子目录中的.mui文件中)。
所以你要做的就是使用LoadString API从这个文件中获取名字。我写了一个helper类来做这件事:

public class Win32ResourceReader : IDisposable
{
    private IntPtr _hModule;

    public Win32ResourceReader(string filename)
    {
        _hModule = LoadLibraryEx(filename, IntPtr.Zero, LoadLibraryFlags.AsDataFile | LoadLibraryFlags.AsImageResource);
        if (_hModule == IntPtr.Zero)
            throw Marshal.GetExceptionForHR(Marshal.GetHRForLastWin32Error());
    }

    public string GetString(uint id)
    {
        var buffer = new StringBuilder(1024);
        LoadString(_hModule, id, buffer, buffer.Capacity);
        if (Marshal.GetLastWin32Error() != 0)
            throw Marshal.GetExceptionForHR(Marshal.GetHRForLastWin32Error());
        return buffer.ToString();
    }

    ~Win32ResourceReader()
    {
        Dispose(false);
    }

    public void Dispose()
    {
        Dispose(true);
        GC.SuppressFinalize(this);
    }

    public void Dispose(bool disposing)
    {
        if (_hModule != IntPtr.Zero)
            FreeLibrary(_hModule);
        _hModule = IntPtr.Zero;
    }

    [DllImport("user32.dll", CharSet = CharSet.Auto, SetLastError = true)]
    static extern int LoadString(IntPtr hInstance, uint uID, StringBuilder lpBuffer, int nBufferMax);

    [DllImport("kernel32.dll", CharSet = CharSet.Auto, SetLastError = true)]
    static extern IntPtr LoadLibraryEx(string lpFileName, IntPtr hReservedNull, LoadLibraryFlags dwFlags);

    [DllImport("kernel32.dll", CharSet = CharSet.Auto, SetLastError = true)]
    static extern bool FreeLibrary(IntPtr hModule);

    [Flags]
    enum LoadLibraryFlags : uint
    {
        AsDataFile = 0x00000002,
        AsImageResource = 0x00000020
    }
}

您可以像这样使用它:

string path = @"C:\Windows\System32\getuname.dll";
using (var reader = new Win32ResourceReader(path))
{
    string name = reader.GetString(0xA9);
    Console.WriteLine(name); // Copyright Sign
}
3htmauhk

3htmauhk4#

这不是. NET的内置功能。你可以从Charmap.exe中找到,它会在状态栏中显示代码点名称。如果你需要在自己的程序中使用它,你可以将Unicode Character Database编译到你的应用程序中。

db2dz4w8

db2dz4w85#

我不认为.NET中有任何内置的东西来识别这个...但是有一个Unicode character database

k5ifujac

k5ifujac6#

正如Hans Passant和MichaelBray所说,.NET不提供任何获取字符的Unicode名称的内置功能。
您可以使用统一码字符数据库,该数据库位于http://unicode.org/ucd-今天它包含所有统一码5.2字符的完整信息(附录#44)。
另一种方法是使用Windows中的字符Map表,您可以通过开始\应用程序\附件\系统工具\字符Map表(Win+R =〉charmap)访问该Map表
您还可以使用Unicode转换器工具,这是一个http://unicode.codeplex.com上的开源工具,它还提供了一个用户界面,用于获取信息,并从Unicode UCD使用(附录#44)。此软件的基调是,您可以将此应用程序的EnterpriseAppUnitdll添加到您的应用程序中,并使用提供的API。
此程序集包含一些静态方法,这些方法接受“char”并返回名称、十六进制代码、十进制代码等。

ckx4rj1h

ckx4rj1h7#

您可以使用Windows since Fall Creators Update (Version 1709 Build 16299)附带的u_charName() ICU API,它可以处理非BMP Unicode字符(值〉0xFFFF):

using System;
using System.Collections.Generic;
using System.Linq;
using System.Runtime.InteropServices;
using System.Text;
using System.Threading.Tasks;

namespace ConsoleApp2
{
    internal class Program
    {
        // u_charName() ICU API that comes with Windows since Fall Creators Update (Version 1709 Build 16299)
        // https://docs.microsoft.com/windows/win32/intl/international-components-for-unicode--icu-
        // https://unicode-org.github.io/icu-docs/apidoc/released/icu4c/uchar_8h.html#a2d90141097af5ad4b6c37189e7984932
        // u_charName() returns the "modern" name of a Unicode character; or the name
        // that was defined in Unicode version 1.0, before the Unicode standard merged
        // with ISO-10646; or an "extended" name that gives each Unicode code point a
        // unique name.
        [DllImport("icuuc.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.Unicode, ExactSpelling = true)]
        internal extern static int u_charName(int code, UCharNameChoice nameChoice, IntPtr buffer, int bufferLength, out int errorCode);

        public enum UCharNameChoice
        {
            UNICODE_CHAR_NAME,
            UNICODE_10_CHAR_NAME,
            EXTENDED_CHAR_NAME,
            CHAR_NAME_ALIAS,
            CHAR_NAME_CHOICE_COUNT
        }

        private static int CharName(int code, UCharNameChoice nameChoice, out string name)
        {
            const int nSize = 255;
            IntPtr resPtr = Marshal.AllocCoTaskMem(nSize);
            try
            {
                int error;
                int nResult = u_charName(code, nameChoice, resPtr, nSize, out error);
                if (error != 0)
                {
                    nResult = -1;
                    name = null;
                }
                else
                    name = Marshal.PtrToStringAnsi(resPtr);
                return nResult;
            }
            finally
            {
                Marshal.FreeCoTaskMem(resPtr);
            }
        }

        private static string FormatUniChar(int ch)
        {
            string chName;
            CharName(ch, UCharNameChoice.EXTENDED_CHAR_NAME, out chName);

            return $"U+{ch:X4} {chName}";

        }

        static void Main(string[] args)
        {
            string value = "Hello World! 😍 ❤️";

            List<int> rawUtf32list = new List<int>();
            for (int i = 0; i < value.Length; i++)
            {
                if (Char.IsHighSurrogate(value[i]))
                {
                    rawUtf32list.Add(Char.ConvertToUtf32(value[i], value[i + 1]));
                    i++;
                }
                else
                    rawUtf32list.Add((int)value[i]);
            }

            Console.WriteLine(value);

            foreach (int utf32Char in rawUtf32list)
            {
                Console.WriteLine(FormatUniChar(utf32Char));
            }
        }
    }
}

在我的系统上打印:

U+0048 LATIN CAPITAL LETTER H
U+0065 LATIN SMALL LETTER E
U+006C LATIN SMALL LETTER L
U+006C LATIN SMALL LETTER L
U+006F LATIN SMALL LETTER O
U+0020 SPACE
U+0057 LATIN CAPITAL LETTER W
U+006F LATIN SMALL LETTER O
U+0072 LATIN SMALL LETTER R
U+006C LATIN SMALL LETTER L
U+0064 LATIN SMALL LETTER D
U+0021 EXCLAMATION MARK
U+0020 SPACE
U+1F60D SMILING FACE WITH HEART-SHAPED EYES
U+0020 SPACE
U+2764 HEAVY BLACK HEART
U+FE0F VARIATION SELECTOR-16

相关问题