C# - char類型的一些介紹

Char

C#裏面的char，其實就是System.Char類型的別名，它表明一個Unicode字符（是這樣嗎?），佔用兩個字節。

例如：char c = ‘A’;

char佔用兩個字節，也就是16位，其實本質上char其實就是16位的無符號整型數值，範圍是0到65535，也就是和無符號short的範圍是同樣的。

 

轉義字符

有一些字符沒法經過字面的意思來進行解釋，這時候就可使用轉義字符。

轉義字符是以 / 開始，後邊跟着一個有特殊意義的字符。

例如：

char newLine = '\n'; 這個表示換行

char backSlash = '\\'; 這個就表示 \

 

轉義字符的列表以下：

 

還有\u（\x）這兩個轉義字符可讓你經過4位16進制的形式來表示任意的Unicode字符，例如：

char copyrightSymbol = '\u00A9'; // ©
char omegaSymbol = '\u03A9'; // Ω
char newLine = '\u000A'; // 換行

轉換

char類型的變量能夠隱式的轉換到可容納無符號short類型的數值類型，例如：

 

字符擴展

char只能表明一個Unicode字符, 其實這句話不太準確。

咱們知道Unicode裏 65 表明着字母 A，但其實65是A的Unicode代碼點，一般是這樣來表示的 U+0041，16進制的41就是10進制的65。

 

而看這個例子，德語裏面有個字符：ß，它的UniCode是 U+00DF，但就其自己而言，ß 不是一個字母，ß被認爲等價於ss（也就是兩個s），例如fußball就至關於fussball。

而用在字符/字符串比較的時候，就不能夠把ß看成一個字符來處理，而是把ß=ss。

而ß所對應的U+00DF這個代碼點就是字符擴展（Character expansion）的一個例子，若是想正確的比較字符/串，那麼這個代碼點就必須先轉化爲其它的多個代碼點，這裏就是 U+00DF -> U+0073 + U+0073，也就是ß -> ss，記住，這只是用於比較，而不是展現。

 

字符代理

字符代理（char surrogates），和字符擴展正好相反。

字符擴展是指，一個字符表明了多個實際的字符；而字符代理呢，就是使用兩個char的實例來表示一個實際的字符。

字符代理之因此存在，是由於它的範圍過小了（0-65535），因此根本沒法表明世界上這麼多語言的字符。實際上Unicode的代碼點是從0到1114111（0x10FFFF），因此16位的存儲遠遠不夠用。

正是由於這點，Unicode UTF16有一個能夠表示全部字符的體系，就是使用兩個連續的16位數值來表示，這就叫作代理對（surrogate pairs）。

在這兩個連續的16位數值裏，第一個數的範圍是U+D800到U+DBFF（55296到56319），因此若是您在解析字符/串的時候，解析出來的數值正好落在這個範圍裏，那麼你就須要把這個char和它後邊的char連在一塊兒進行解析，才能得出真正要表示的字符。

從術語上講，第一個16位數叫作High Surrogate（高代理項），第二個數叫作Low Surrogate（低代理項）。

 

例如：𝄞 它的Unicode 代碼點是 U+1D11E，它包含一個High Surrogate：U+D834 和一個Low Surrogate：U+DD1E

 

合併字符

此外有一些代碼點還會修改前一個字符，好比說 ä 這個字符，它能夠用U+00E4來表示。

而我也可使用 a +  ̈  （U+0061 + U+0308）的形式來表示該字符，在這裏U+0308就表示兩個點，它會修改前一個字符。

在Unicode的標準中，後邊這個字符就叫作 Combining diaeresis（組合用分音符？）

而在實際中字符/串比較的時候，你須要把這兩個字符合並看成U+00E4才能夠。

 

其它

char有ToUpper()和ToLower()兩個方法能夠變換大小寫，它們首先會遵循用戶的locale（區域設置），可是這就有可能引發一個bug：

char.ToUpper ('i') == 'I'

這個表達式在土耳其語裏面會返回false。

在土耳其語裏面 i 被 ToUpper()以後返回的是 İ （看起來像大寫的I上面還有一個點），因此與大寫的 I 不等。

而char也提供了不依賴用戶區域的版本：

 

• char.ToUpperInvariant ('i')
• char.ToUpper ('i', CultureInfo.InvariantCulture) 

這兩種寫法均可以。

 

另一點須要注意的是，從整型轉換到char類型後，頗有可能變成一個超出了Unicode範圍的字符，這樣的字符就是不合理的。

爲了驗證字符是否合理，咱們可使用 char.GetUnicodeCategory()方法，若是結果是UnicodeCategory.OtherNotAssigned，那麼該字符就不合理。