如何在 C# 中获取 unicode 字符的十进制值？

Question

如何在 C# 中获取 unicode 字符的数值？

例如，如果给出泰米尔语字符அ ( U+0B85 )，则输出应为2949 (即0x0B85 )

也可以看看

• C++： 如何在C++ 中获取 unicode 字符的十进制值
• Java： 如何获取 Unicode 字符的代码？

多码位字符

某些字符需要多个代码点。 在这个例子中，UTF-16，每个代码单元仍然在Basic Multilingual Plane：

• （即U+0072 U+0327 U+030C ）
• （即U+0072 U+0338 U+0327 U+0316 U+0317 U+0300 U+0301 U+0302 U+0308 U+0360 ）

更大的一点是，一个“字符”可能需要 1 个以上的 UTF-16 代码单元，它可能需要 2 个以上的 UTF-16 代码单元，也可能需要 3 个以上的 UTF-16 代码单元。

更大的一点是，一个“字符”可能需要数十个 unicode 代码点。 在 C# 中的 UTF-16 中，这意味着超过 1 个char 。 一个字符可能需要 17 个char 。

我的问题是关于将char转换为 UTF-16 编码值。 即使整个 17 个char字符串仅代表一个“字符”，我仍然想知道如何将每个 UTF-16 单元转换为数值。

例如

String s = "அ";

int i = Unicode(s[0]);

其中Unicode返回输入表达式的第一个字符的整数值，如 Unicode 标准所定义。

Answer 1

它与Java基本相同。 如果您将其作为char ，则可以隐式转换为int ：

char c = '\u0b85';

// Implicit conversion: char is basically a 16-bit unsigned integer
int x = c;
Console.WriteLine(x); // Prints 2949

如果您将它作为字符串的一部分，只需先获取该单个字符：

string text = GetText();
int x = text[2]; // Or whatever...

请注意，不在基本多语言平面中的字符将表示为两个 UTF-16 代码单元。 有支持.NET中的查找完整的Unicode代码点，但它不是简单的。

Answer 2

((int)'அ').ToString()

如果您将字符作为char ，则可以将其转换为int ，这将表示字符的数值。 然后你可以用任何你喜欢的方式打印出来，就像任何其他整数一样。

如果你想要十六进制输出，你可以使用：

((int)'அ').ToString("X4")

X表示十六进制， 4表示零填充到四个字符。

Answer 3

如何在 C# 中获取 unicode 字符的数值？

char不一定是整个 Unicode代码点。 在 UTF-16 编码的语言（例如 C#）中，您实际上可能需要 2 个char来表示单个“逻辑”字符。 并且您的字符串长度可能不是您所期望的 - String.Length 属性的MSDN 文档说：

“Length 属性返回此实例中 Char 对象的数量，而不是 Unicode 字符的数量。”

• 因此，如果您的 Unicode 字符仅用一个char编码，则它已经是数字（本质上是一个无符号的 16 位整数）。 您可能希望将其转换为某些整数类型，但这不会更改char中最初存在的实际位。

• 如果您的 Unicode 字符是 2 个char ，则需要将一个乘以 2^16 并将其与另一个相加，从而得到一个uint数值：

  字符 c1 = ...;
  字符 c2 = ...;
  uint c = ((uint)c1 << 16) | c2;

如何在 C# 中获取 unicode 字符的十进制值？

当你说“十进制”时，这通常意味着一个字符串，它只包含人类会解释为十进制数字的字符。

• 如果您只能用一个char表示您的 Unicode 字符，您可以简单地将其转换为十进制字符串：

  char c = 'அ';
  字符串 s = ((ushort)c).ToString();

• 如果您的 Unicode 字符有 2 个chars ，请按照上述方法将它们转换为uint ，然后调用uint.ToString 。

- - 编辑 - -

尽管在视觉上与“基本”字符一起呈现，AFAIK 变音符号仍被视为单独的“字符”（和单独的代码点）。 这些代码点中的每一个单独使用仍然最多为 2 个 UTF-16 代码单元。

顺便说一句，我认为您所谈论的正确名称不是“字符”而是“组合字符” 。 所以是的，单个组合字符可以有 1 个以上的代码点，因此有 2 个以上的代码单元。 如果您想要组合字符的十进制表示，您可以通过BigInteger最轻松地完成：

string c = "\x0072\x0338\x0327\x0316\x0317\x0300\x0301\x0302\x0308\x0360";
string s = (new BigInteger(Encoding.Unicode.GetBytes(c))).ToString();

根据您希望的代码单元“数字”的重要性顺序，您可能需要反转c 。

Answer 4

这是使用平面 1，补充多语言平面 (SMP) 的示例：

string single_character = "\U00013000"; //first Egyptian ancient hieroglyph in hex
//it is encoded as 4 bytes (instead of 2)

//get the Unicode index using UTF32 (4 bytes fixed encoding)
Encoding enc = new UTF32Encoding(false, true, true);
byte[] b = enc.GetBytes(single_character);
Int32 code = BitConverter.ToInt32(b, 0); //in decimal

Answer 5

char c = 'அ';
short code = (short)c;
ushort code2 = (ushort)c;