如何識別字符串是否包含unicode字符？

Question

我有一個字符串，我想知道它內部是否有unicode字符。 （如果它完全包含ASCII或不包含ASCII）

我怎樣才能做到這一點？

謝謝！

Answer 1

如果我的假設是正確的，您希望知道您的字符串是否包含任何“非ANSI”字符。 您可以如下推導出這個。

    public void test()
    {
        const string WithUnicodeCharacter = "a hebrew character:\uFB2F";
        const string WithoutUnicodeCharacter = "an ANSI character:Æ";

        bool hasUnicode;

        //true
        hasUnicode = ContainsUnicodeCharacter(WithUnicodeCharacter);
        Console.WriteLine(hasUnicode);

        //false
        hasUnicode = ContainsUnicodeCharacter(WithoutUnicodeCharacter);
        Console.WriteLine(hasUnicode);
    }

    public bool ContainsUnicodeCharacter(string input)
    {
        const int MaxAnsiCode = 255;

        return input.Any(c => c > MaxAnsiCode);
    }

更新

這將檢測擴展的ASCII。 如果您只檢測真正的ASCII字符范圍（最多127個），那么您可能會獲得不表示Unicode的擴展ASCII字符的誤報。 我在我的樣本中提到了這一點。

Answer 2

如果一個字符串只包含ASCII字符，那么使用ASCII編碼的序列化+反序列化步驟應該返回相同的字符串，因此c＃中的單行檢查可能看起來像..

String s1="testभारत";
bool isUnicode= System.Text.ASCIIEncoding.GetEncoding(0).GetString(System.Text.ASCIIEncoding.GetEncoding(0).GetBytes(s1)) != s1;

Answer 3

ASCII僅定義0-127范圍內的字符代碼。 明確定義Unicode例如在ASCII的相同范圍內重疊。 因此，如果查看字符串中的字符代碼，並且它包含任何高於127的字符，則該字符串包含非ASCII字符的Unicode字符。

注意，ASCII僅包括英文字母。 因此，如果您（出於某種原因）需要將相同的方法應用於可能包含重音字符（例如西班牙語文本）的字符串，則ASCII不夠，您需要尋找另一個區分因素。

ANSI字符集[*]確實使用上述重音拉丁字符擴展ASCII字符，范圍為128-255 。 但是，Unicode在該范圍內不與ANSI重疊，因此從技術上講，Unicode字符串可能包含不屬於ANSI的字符，但具有相同的字符代碼（特別是在128-159范圍內，如表I所示）鏈接到）。

至於執行此操作的實際代碼，@ machib應答應該有效，盡管您應該修改它以涵蓋嚴格的ASCII，因為它不適用於ANSI。

[*]也稱為Latin 1 Windows（Win-1252）

Answer 4

所有C# / VB.NET string數據類型都包含Unicode字符。

Answer 5

只要它包含字符 ，它就包含Unicode字符。

來自System.String ：

將文本表示為一系列Unicode字符。

public static bool ContainsUnicodeChars(string text)
{
   return !string.IsNullOrEmpty(text);
}

您必須在以下情況下擔心不同的Unicode編碼：

1. 編碼的字符串轉換成字節的與特定的編碼流。
2. 使用特定編碼從字節流中解碼字符串。

一旦你進入字符串域，字符串最初表示的編碼（如果有的話）是無關緊要的。

字符串中的每個字符都由Unicode標量值定義，也稱為Unicode代碼點或Unicode字符的序數（數字）值。 每個代碼點使用UTF-16編碼進行編碼 ， 編碼的每個元素的數值由Char對象表示。

也許您也可能會發現這些問題相關：

如何從字符串中刪除非ASCII字符？ （在C＃中）

C＃確保字符串僅包含ASCII

這篇文章由Jon Skeet撰寫： Unicode和.NET

Answer 6

這是另一種不使用lambda表達式的解決方案。 它在VB.NET中，但您可以輕松地將其轉換為C＃：

   Public Function ContainsUnicode(ByVal inputstr As String) As Boolean
        Dim inputCharArray() As Char = inputstr.ToCharArray

        For i As Integer = 0 To inputCharArray.Length - 1
            If CInt(AscW(inputCharArray(i))) > 255 Then Return True
        Next
        Return False
   End Function