将两个 ascii 字符转换为其“对应”字符一个字符扩展 ASCII 表示

Question

问题： 我有两个来自外部系统的固定宽度字符串。第一个包含基本字符（如 az），第二个（可以）包含附加到第一个字符串以创建实际字符的变音符号。

string asciibase = "Dutch has funny chars: a,e,u";
string diacrits  = "                       ' \" \"";

//no clue what to do

string result = "Dutch has funny chars: á,ë,ü";

我可以编写大量搜索并替换所有字符+不同的变音符号，但希望有一些更优雅的东西。

有人知道如何解决这个问题吗？尝试使用 string.Normalize (c#) 计算小数值，但没有结果。而且谷歌并没有真正拿出什么东西。

Answer 1

将变音符号从 Unicode 组合变音符号范围转换为合适的 unicode 值：

http://www .unicode.org/charts/PDF/U0300.pdf

然后将 char 及其变音符号放在一起，例如对于 e-acute，U+0065 = "e" 且 U+0301 = Acute。

  String s = "\u0065\u0301";

然后：

  string normalisedString = s.Normalize();

将两者组合成一个新字符串。

Answer 2

除了使用查找表之外，我找不到简单的解决方案：

public void TestMethod1()
{
    string asciibase = "Dutch has funny chars: a,e,u";
    string diacrits = "                       ' \" \"";
    var merged = DiacritMerger.Merge(asciibase, diacrits);
}

[编辑：@JonB 和 @Oliver 的答案中的建议后的简化代码]

public class DiacritMerger
{
    static readonly Dictionary<char, char> _lookup = new Dictionary<char, char>
                         {
                             {'\'', '\u0301'},
                             {'"', '\u0308'}
                         };

    public static string Merge(string asciiBase, string diacrits)
    {
        var combined = asciiBase.Zip(diacrits, (ascii, diacrit) => DiacritVersion(diacrit, ascii));
        return new string(combined.ToArray());
    }

    private static char DiacritVersion(char diacrit, char character)
    {
        char combine;
        return _lookup.TryGetValue(diacrit, out combine) ? new string(new [] {character, combine}).Normalize()[0] : character;
    }
}

Answer 3

问题是，必须显式解析指定的变音符号，因为双点不单独存在，因此在这种情况下使用双引号。因此，为了解决您的问题，您没有任何其他机会来实现每个所需的案例。

这是获取线索的起点...

    public SomeFunction()
    {
        string asciiChars = "Dutch has funny chars: a,e,u";
        string diacrits = "                       ' \" \"";

        var combinedChars = asciiChars.Zip(diacrits, (ascii, diacrit) =>
        {
            return CombineChars(ascii, diacrit);
        });

        var Result = new String(combinedChars.ToArray());
    }

    private char CombineChars(char ascii, char diacrit)
    {
        switch (diacrit)
        {
            case '"':
                return AddDoublePoints(ascii);
            case '\'':
                return AddAccent(ascii);
            default:
                return ascii;
        }
    }

    private char AddDoublePoints(char ascii)
    {
        switch (ascii)
        {
            case 'a':
                return 'ä';
            case 'o':
                return 'ö';
            case 'u':
                return 'ü';
            default:
                return ascii;
        }
    }

    private char AddAccent(char ascii)
    {
        switch (ascii)
        {
            case 'a':
                return 'á';
            case 'o':
                return 'ó';
            default:
                return ascii;
        }
    }
}

IEnumerable.Zip 已经 在 .Net 4 中实现，但要在 3.5 中获得它，您需要此代码 (取自埃里克·利珀特）：

public static class IEnumerableExtension
{
    public static IEnumerable<TResult> Zip<TFirst, TSecond, TResult>
        (this IEnumerable<TFirst> first,
        IEnumerable<TSecond> second,
        Func<TFirst, TSecond, TResult> resultSelector)
    {
        if (first == null) throw new ArgumentNullException("first");
        if (second == null) throw new ArgumentNullException("second");
        if (resultSelector == null) throw new ArgumentNullException("resultSelector");
        return ZipIterator(first, second, resultSelector);
    }

    private static IEnumerable<TResult> ZipIterator<TFirst, TSecond, TResult>
        (IEnumerable<TFirst> first,
        IEnumerable<TSecond> second,
        Func<TFirst, TSecond, TResult> resultSelector)
    {
        using (IEnumerator<TFirst> e1 = first.GetEnumerator())
        using (IEnumerator<TSecond> e2 = second.GetEnumerator())
            while (e1.MoveNext() && e2.MoveNext())
                yield return resultSelector(e1.Current, e2.Current);
    }
}

Answer 4

我不知道 C# 或其标准库，但一种替代方法可能是利用现有的 HTML/SGML/XML 字符实体解析器/渲染器之类的东西，或者如果您实际上要将其呈现给浏览器，什么都没有！

伪代码：

for(i=0; i < strlen(either_string); i++) {
  if isspace(diacrits[i]) {
     output(asciibase[i]);
  }else{
     output("&");
     output(asciibase[i]);
     switch (diacrits[i]) {
       case '"' : output "uml"; break;
       case '^' : output "circ"; break;
       case '~' : output "tilde"; break;
       case 'o' : output "ring"; break;
       ... and so on for each "code" in the diacrits modifier
       ... (for acute, grave, cedil, lig, ...)
     }
     output(";");
  }
}

因此，A + o -> Å、u + " -> ü 等等。

如果你可以解析 html 实体，你应该然后就可以回家了，甚至可以在字符集之间移植！