.NET如何确定角色的Unicode类别？

Question

我正在使用.NET Reflector查找mscorelib.dll，并偶然发现了Char类。 我总是想知道Char.isLetter这样的方法是如何完成的。 我期待一个巨大的测试列表，但是，买一点点，我找到了一个确定Unicode类别的真正短代码。 但是，这段代码使用某种表格和一些比特变换伏都教。 任何人都可以向我解释这是如何完成的，或者指向一些资源？

编辑：这是代码。 它位于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：我希望这不会破坏任何许可证。 如果是这样，我将删除代码。

Answer 1

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

编辑

根据MSDN ：

此枚举基于Unicode标准5.0版。 有关更多信息，请参阅Unicode字符数据库中的“ UCD文件格式 ”和“ 常规类别值 ”子主题。

Answer 2

这看起来像是各种各样的b树。

优点是一堆区域都可以指向相同的“字符未知”块，而不是在每个可能的Char值中需要数组中的唯一元素。