如何将 unicode 字符串输出为 RTF（使用 C#）

Question

我正在尝试将 unicode 字符串输出为 RTF 格式。 （使用 C# 和 winforms）

来自维基百科：

如果需要 Unicode 转义，则使用控制字 \u，后跟给出 Unicode 代码点编号的 16 位有符号十进制整数。为了使不支持 Unicode 的程序受益，后面必须跟上指定代码页中该字符的最接近的表示形式。例如，\u1576？将给出阿拉伯字母 beh，指定不支持 Unicode 的旧程序应将其呈现为问号。

我不知道如何将 Unicode 字符转换为 Unicode 代码点（“\u1576”）。 转换为 UTF 8、UTF 16 和类似格式很容易，但我不知道如何转换为代码点。

我使用这个的场景：

• 我将现有的 RTF 文件读入字符串（我正在读取模板）
• string.replace #TOKEN# 为 MyUnicodeString （模板填充了数据）
• 将结果写入另一个 RTF 文件。

问题，当 Unicode 字符到达时出现

Answer 1

前提是您要迎合的所有字符都存在于基本多语言平面中（不太可能你还需要更多），那么简单的 UTF-16 编码就足够了。

维基百科：

从 U+0000 开始的所有可能的代码点
通过 U+10FFFF，除了
代理码点 U+D800–U+DFFF
（不是字符），是
无论如何，由 UTF-16 唯一映射
代码点的当前或未来
字符分配或使用。

以下示例程序说明了按照您想要的方式执行某些操作：

static void Main(string[] args)
{
    // ë
    char[] ca = Encoding.Unicode.GetChars(new byte[] { 0xeb, 0x00 });
    var sw = new StreamWriter(@"c:/helloworld.rtf");
    sw.WriteLine(@"{\rtf
{\fonttbl {\f0 Times New Roman;}}
\f0\fs60 H" + GetRtfUnicodeEscapedString(new String(ca)) + @"llo, World!
}"); 
    sw.Close();
}

static string GetRtfUnicodeEscapedString(string s)
{
    var sb = new StringBuilder();
    foreach (var c in s)
    {
        if (c <= 0x7f)
            sb.Append(c);
        else
            sb.Append("\\u" + Convert.ToUInt32(c) + "?");
    }
    return sb.ToString();
}

重要的一点是 Convert.ToUInt32(c) ，它本质上返回相关字符的代码点值。 unicode 的 RTF 转义需要十进制 unicode 值。根据 MSDN 文档，System.Text.Encoding.Unicode 编码对应于 UTF-16。

Answer 2

修复了已接受答案中的代码 - 添加了特殊字符转义，如此链接中所述

static string GetRtfUnicodeEscapedString(string s)
{
    var sb = new StringBuilder();
    foreach (var c in s)
    {
        if(c == '\\' || c == '{' || c == '}')
            sb.Append(@"\" + c);
        else if (c <= 0x7f)
            sb.Append(c);
        else
            sb.Append("\\u" + Convert.ToUInt32(c) + "?");
    }
    return sb.ToString();
}

Answer 3

您必须将字符串转换为 byte[] 数组（使用 Encoding.Unicode.GetBytes(string)），然后循环该数组并在前面添加 \ 和 u 字符替换您找到的所有 Unicode 字符。然后，当您将数组转换回字符串时，必须将 Unicode 字符保留为数字。

例如，如果您的数组如下所示：

byte[] unicodeData = new byte[] { 0x15, 0x76 };

它将变成：

// 5c = \, 75 = u
byte[] unicodeData = new byte[] { 0x5c, 0x75, 0x15, 0x76 };

Answer 4

根据规范，以下是一些经过测试且有效的 java 代码：

  public static String escape(String s){
        if (s == null) return s;

        int len = s.length();
        StringBuilder sb = new StringBuilder(len);
        for (int i = 0; i < len; i++){
            char c = s.charAt(i);
            if (c >= 0x20 && c < 0x80){
                if (c == '\\' || c == '{' || c == '}'){
                    sb.append('\\');
                }
                sb.append(c);
            }
            else if (c < 0x20 || (c >= 0x80 && c <= 0xFF)){
                sb.append("\'");
                sb.append(Integer.toHexString(c));
            }else{
                sb.append("\\u");
                sb.append((short)c);
                sb.append("??");//two bytes ignored
            }
        }
        return sb.toString();
 }

重要的是，您需要在转义的 uncode 之后附加 2 个字符（接近 unicode 字符或仅使用 ? 代替）。因为unicode占用2个字节。

另外，规范还规定，如果代码点大于 32767，则应使用负值，但在我的测试中，如果不使用负值也没关系。

规范如下：

\uN 该关键字表示单个 Unicode 字符，根据当前 ANSI 代码页，该字符没有等效的 ANSI 表示形式。 N 表示以十进制数表示的 Unicode 字符值。
该关键字后面紧跟着 ANSI 表示形式中的等效字符。这样，老读者将忽略 \uN 关键字并正确拾取 ANSI 表示形式。当遇到这个关键字时，读者应该忽略接下来的 N 个字符，其中 N 对应于最后遇到的 \ucN 值。

与所有 RTF 关键字一样，可能存在关键字终止空格（在 ANSI 字符之前），该空格不计入要跳过的字符中。虽然这种情况不太可能发生（或推荐），但出于跳过目的，\bin 关键字、其参数以及后面的二进制数据被视为一个字符。如果扫描可跳过数据时遇到 RTF 范围分隔符（即左大括号或右大括号），则认为可跳过数据在分隔符之前结束。这使得读者可以执行一些基本的错误恢复。要在可跳过数据中包含 RTF 分隔符，必须使用适当的控制符号（即用反斜杠转义）来表示它，就像纯文本一样。出于计算可跳过字符的目的，任何 RTF 控制字或符号都被视为单个字符。

RTF 编写器在遇到没有对应 ANSI 字符的 Unicode 字符时，应输出 \uN，后跟它可以管理的最佳 ANSI 表示形式。此外，如果 Unicode 字符转换为 ANSI 字符流，且其字节数与当前 Unicode 字符字节数不同，则应在 \uN 关键字之前发出 \ucN 关键字，以通知读者更改。

RTF 控制字通常接受带符号的 16 位数字作为参数。因此，大于 32767 的 Unicode 值必须表示为负数