Question

我已阅读a question about UTF-8, UTF-16 and UCS-2，几乎所有答案都说明UCS-2已过时且C＃使用UTF-16。

但是，我在C＃中创建4字节字符U + 1D11E的所有尝试都失败了，所以我实际上认为C＃仅使用UTF-16的UCS-2子集。

有我的尝试：

string s = "\u1D11E"; // gives the 2 character string "ᴑE", because \u1D11 is ᴑ
string s = (char) 0x1D11E; // won't compile because of an overflow
string s = Encoding.Unicode.GetString(new byte[] {0xD8, 0x34, 0xDD, 0x1E}); // gives 㓘ờ

C＃字符串真的是UTF-16还是它们实际上是UCS-2？如果它们是UTF-16，我怎样才能将小提琴谱号放入我的C＃弦中？

Answer 1

使用大写U代替：

  string s = "\U0001D11E";

你忽略了大多数机器都是小端的：

  string t = Encoding.Unicode.GetString(new byte[] { 0x34, 0xD8, 0x1E, 0xDD });

Answer 2

C＃绝对使用UTF-16。在U + 0000 - U + FFFF范围之上定义字符的正确方法是使用允许使用8个十六进制数字定义字符的escape sequence：

string s = "\U0001D11E";

如果您使用\u1D11E，则会将其解释为U+1D11字符后跟E。

使用这些字符时要记住的一件事是String.Length property和大多数字符串方法适用于UTF-16代码单元，而不是Unicode字符。来自MSDN文档：

Length属性返回此实例中的Char对象数，而不是Unicode字符数。原因是Unicode字符可能由多个Char表示。使用System.Globalization.StringInfo类来处理每个Unicode字符而不是每个Char。

Answer 3

根据C＃规范，使用\U（大写U）和8个十六进制字符编码超过4个十六进制字符长度的字符。一旦在字符串中正确编码，就可以使用任何unicode编码正确导出;

string s = "\U0001D11E";

foreach (var b in Encoding.UTF32.GetBytes(s))
    Console.WriteLine(b.ToString("x2"));

Console.WriteLine();

foreach (var b in Encoding.Unicode.GetBytes(s))
    Console.WriteLine(b.ToString("x2"));

> 1e
> d1
> 01
> 00
>
> 34
> d8
> 1e
> dd

在字符串中定义4字节UTF-16字符

3 个答案: