surrogate-pairs相关内容

在PowerShell中拆分表情符号序列

我有一个文本框，将只填充表情符号。没有空格或任何类型的字符。我需要拆分这些表情符号才能识别它们。这是我尝试过的： function emoji_to_unicode(){ foreach ($emoji in $textbox.Text) { $unicode = [System.Text.Encoding]::Unicode.GetBytes($emoji) ..

发布时间：2022-09-21 20:11:04 powershell unicode emoji surrogate-pairs 其他开发

实际使用中最常见的非BMP Unicode字符是什么？

根据您的经验，到目前为止，BMP(基本多语言平面)之外的Unicode字符、代码点和范围是最常见的？它们需要UTF-8格式的4个字节或UTF-16格式的替代格式。 我本以为答案是中文和日文字符，但没有包括在最广泛使用的中日韩多字节字符集中，但在我参与的英语维基词典项目中，我们发现到目前为止Gothic alphabet要普遍得多。 更新 我已经编写了几个软件工具来扫描整个维基百科 ..

发布时间：2022-06-22 12:12:57 unicode cjk codepoint surrogate-pairs astral-plane 其他开发

从Delphi字符串检测和检索代码点和代理

我正在努力更好地理解代理项对和Delphi中的Unicode实现。 如果我在Delphi中对unicode字符串S：=‘Ĥà̲V̂e’调用Long()，我将返回，8。 这是因为各个字符[Ĥ]、[à̲]、[V̂]和[e]的长度分别为2、3、2和1。这是因为Ĥ有一个代理，一个̲̀有两个额外的代理，V̂有一个代理，而e没有代理。 如果我想返回字符串中的第二个元素，包括所有代理，[ ..

发布时间：2022-06-21 16:12:06 delphi unicode surrogate-pairs 其他开发

如何在Python中将代理项对转换为普通字符串？

这是Converting to Emoji的后续内容。在这个问题中，OP有一个json.dumps()编码的文件，其中一个表情符号表示为一个代理对-ud83dude4f。他/她在读取文件和正确翻译表情符号时遇到问题，正确的answer是json.loads()文件中的每一行，json模块将处理从代理项对返回到(我假设是UTF8编码的)表情符号的转换。 我的情况是这样的：假设我只有一个带有代理 ..

发布时间：2022-06-20 21:25:59 python python-3.x unicode surrogate-pairs Python

BMP 之外的 JavaScript 字符串

BMP 是 基本多语言平面 根据 JavaScript:好的部分: JavaScript 是在 Unicode 是 16 位字符集的时候构建的，因此 JavaScript 中的所有字符都是 16 位宽. 这让我相信 JavaScript 使用 UCS-2(而不是 UTF-16！)并且最多只能处理 U+FFFF 的字符. 进一步调查证实了这一点: >String.fromC ..

发布时间：2021-12-26 13:31:17 javascript unicode utf-16 surrogate-pairs astral-plane 前端开发

什么是“代理对"?在爪哇?

我正在阅读 StringBuffer 的文档，特别是 reverse() 方法.该文档提到了一些关于代理对的内容.在这种情况下什么是代理对?什么是 low 和 high 代理? 解决方案 术语“代理对"是指在 UTF-16 编码方案中对具有高代码点的 Unicode 字符进行编码的方法. 在 Unicode 字符编码中，字符被映射到 0x0 到 0x10FFFF 之间的值. 在 ..

发布时间：2021-11-25 14:11:40 java unicode utf-16 surrogate-pairs Java开发

如何在 C++ 中将 UTF-16 代理十进制转换为 UNICODE

我从��等参数中得到了一些字符串数据. 这些是 Unicode 的 UTF-16 代理对，以十进制表示. 如何使用标准库将它们转换为 Unicode 代码点，例如“U+1F62C"? 解决方案 您可以轻松手动.从高 unicode 点传递到代理对并返回的算法并不难.UTF16 上的维基百科页面说: U+10000 到 U+10FFFF 从 ..

发布时间：2021-09-15 19:39:06 c++ unicode utf-16 surrogate-pairs C/C++开发

C# - 从任何字符串中查找 unicode 代码点的代理对的正则表达式?

我正在尝试解析可能包含表情符号的消息.可以接收的示例消息如下所示: {"type":"chat","msg":"用户名:\u00a0\ud83d\ude0b\n"} 应该匹配的是 \u00a0 作为单个字符，而 \ud83d\ude0b 作为一对. 我有可以提取单个代码的正则表达式，但不能配对以匹配完整的表情符号: \\u[a-z0-9]{4} 有没有一种干净的方法来解释一个句子中的 ..

发布时间：2021-07-06 20:11:00 c# regex unicode surrogate-pairs C#/.NET

PYTHON RE在匹配时不要将UNICODE字符分成代理对

谁知道，在将代码点拆分为代理对时，是否有可能禁止正则表达式. 请参见以下示例: 现在如何: $ te = u'\U0001f600\U0001f600' $ flags1 = regex.findall(".", te, re.UNICODE) $ flags1 >>> [u'\ud83d', u'\ude00', u'\ud83d', u'\ude00'] 我的愿望: ..

发布时间：2020-07-25 22:44:44 python regex unicode surrogate-pairs 其他开发

Python无法使用surrogateescape进行编码

我在Python(3.4)中使用Unicode替代编码时遇到问题: >>> b'\xCC'.decode('utf-16_be', 'surrogateescape').encode('utf-16_be', 'surrogateescape') Traceback (most recent call last): File "", line 1, in ..

发布时间：2020-07-25 22:44:38 python unicode utf-16 surrogate-pairs Python

UTF-8中的代理字符是什么?

我有一个奇怪的验证程序，用于验证utf-8字符串是否是有效的主机名(PHP中的Zend Framework主机名valdiator).它允许IDN(国际化域名).它将比较每个子域与由其十六进制字节表示形式定义的字符集.两个这样的集合是D800-DB7F和DC00-DFFF.在这些比较期间，名为preg_match的php regexp比较函数失败，它表示此函数中不允许使用DC00-DFFF字符.从 ..

发布时间：2020-07-25 22:44:33 utf-8 utf surrogate-pairs 其他开发

在Powershell中分割表情符号序列

我有一个仅填充表情符号的文本框.请勿使用任何空格或字符.我需要拆分这些表情符号以便识别它们.这是我尝试过的: function emoji_to_unicode(){ foreach ($emoji in $textbox.Text) { $unicode = [System.Text.Encoding]::Unicode.GetBytes($emoji) ..

发布时间：2020-07-25 22:43:29 powershell unicode emoji surrogate-pairs 其他开发

Unicode代理对

说我有一个代理人对.例如: \u306f\u30fc 有没有可以用来将字符打印到屏幕上的功能? 解决方案 如果要手动执行此操作: echo chr(0x30) . chr(0x6f) . chr(0x30) . chr(0xfc); 如果您有字符串，则可以始终这样做: $callback = function($match) { return chr( ..

发布时间：2020-07-25 22:42:25 php unicode surrogate-pairs PHP

如何创建一个带有代理对的字符串?

我看到了这篇文章在乔恩·斯凯特(Jon Skeet)的博客中，他谈到了字符串反转.我想尝试一下他向我展示的示例，但是它似乎可以工作……这使我相信我不知道如何创建包含替代对的字符串，而该替代对实际上会导致字符串反转失败.实际如何创建带有代理对的字符串，以便我自己可以看到失败? 解决方案 术语“代理对"是指在UTF-16编码方案中对具有高代码点的Unicode字符进行编码的方法(请参阅在Uni ..

发布时间：2020-07-25 22:42:23 c# string utf-16 utf-32 surrogate-pairs C#/.NET

复合字符和代理对之间的区别

在Unicode中，复合字符和代理对之间有什么区别? 在我看来，它们听起来很相似-两个字符代表一个字符.这两个概念有何区别? 解决方案 代理对是Unicode中的怪异疣. Unicode本身就是对数字含义的抽象分配.这就是 encoding .目前可以使用大写字母A，希腊字母alternate-terminal-sigma，克林贡语闭合括号2等，最多可使用2 21 .在Unic ..

发布时间：2020-07-25 22:42:21 unicode utf-16 surrogate-pairs 其他开发

什么是可以处理代理对的Unicode安全的String.IndexOf(字符串输入)副本?

我试图找出与C#string.IndexOf(string)等效的东西，它可以处理Unicode字符中的代理对. 仅比较单个字符时，我就能获得索引，如下面的代码所示: public static int UnicodeIndexOf(this string input, string find) { return input.ToTextElements ..

发布时间：2020-07-25 22:42:18 c# string unicode indexof surrogate-pairs 其他开发

输出UTF-16?有点卡住

我有一些以代理对形式使用UTF-16编码的字符.我想将这些代理对作为字符输出到屏幕上. 有人知道这怎么可能吗? 解决方案 iconv('UTF-16', 'UTF-8', yourString) ..

发布时间：2020-07-25 22:42:16 php utf-16 surrogate-pairs PHP

检查Python 3字符串中的非法替代

特别是在Python 3.3和更高版本中，通过使用简单的匹配项来检查孤立代理是否足够: re.search(r'[\uD800-\uDFFF]', s) 基于所有法律代理人均应代表的假设 作为星体代码点，因此将不匹配，从而排除了非法代理人，或者是否有需要注意的警告和边缘情况? 解决方案 是的，这是正确的.代码单元0xD800–0xDFFF不能在宽Unicode字符串中表示有效字符 ..

发布时间：2020-07-25 22:42:11 regex python-3.x unicode surrogate-pairs 其他开发

Python:包含代理对时获取正确的字符串长度

考虑在IPython上进行以下交换: In [1]: s = u'華袞與緼𦅷同歸' In [2]: len(s) Out[2]: 8 正确的输出应该是7，但是由于这七个汉字中的第五个具有较高的Unicode代码点，因此它在UTF-8中由“代理对"表示，而不是一个简单的代码点，因此Python认为这是两个字符而不是一个字符. 即使我使用unicodedata，它可以正确地将替代对 ..

发布时间：2020-07-25 22:42:10 python surrogate-pairs 其他开发

从Delphi字符串检测和检索代码点和代理

我试图更好地理解Delphi中的代理对和Unicode实现. 如果我在Delphi中对Unicode字符串S:='ĤàV̲e'调用length()，我将返回8. 这是因为各个字符[Ĥ]，[à̲]，[V̂]和[e]的长度分别为2、3、2和1.这是因为Ĥ具有代理，àadditional具有两个附加代理，V̂具有代理，e没有代理. 如果我想返回字符串中的第二个元素，包括所有代理，[à̲ ..

发布时间：2020-07-25 22:42:08 delphi unicode surrogate-pairs 其他开发