如何将发布的“英语”转换为“英语”？ ASP.NET 中来自国际 PC 的字符？ （例如２２０５）

Question

我有一个 WebForm 搜索页面，偶尔会受到国际访问者的点击。当它们输入文本时，它似乎是纯 ASCII az，0-9，但它们以粗体打印，我的“是这个文本”逻辑无法处理输入。 ASP.NET 中是否有任何简单的方法可以将相当于 AZ、0-9 的 Unicode 字符转换为纯旧文本？

Answer 1

您将得到所谓的“全角形式”字符。在 Unicode 中，它们在代码点 U+FF01 到 U+FF5E 处进行编码。要从它们获取 ASCII 代码点（U+0021 到 U+007E），您必须获取它们的代码点并从中减去 (0xFF01 - 0x0021)。

ASCII：http://unicode.org/charts/PDF/U0000.pdf< br>
全角表单：http://unicode.org/charts/PDF/UFF00.pdf

我不会说 ASP.NET，但在 Java 中，代码将如下所示：

String decodeFullwidth(String s) {
  StringBuilder sb = new StringBuilder();
  for (int i = 0; i < s.length(); i++) {
    char c = s.charAt(i);
    if (0xFF01 <= c && c <= 0xFF5E) {
      sb.append((char) (c - (0xFF01 - 0x0021)));
    } else {
      sb.append(c);
    }
  }
  return sb.toString();
}

Answer 2

它似乎是纯 ASCII az，0-9
但它们以粗体打印

这可能是 Unicode“数学粗体”字符

Answer 3

您应该查看此问题的答案。

它包括以下方法（来自Michael Kaplan的博客条目“剥离是一项有趣的工作< /a>")：

static string RemoveDiacritics(string stIn) {
  string stFormD = stIn.Normalize(NormalizationForm.FormD);
  StringBuilder sb = new StringBuilder();

  for(int ich = 0; ich < stFormD.Length; ich++) {
    UnicodeCategory uc = CharUnicodeInfo.GetUnicodeCategory(stFormD[ich]);
    if(uc != UnicodeCategory.NonSpacingMark) {
      sb.Append(stFormD[ich]);
    }
  }

  return(sb.ToString().Normalize(NormalizationForm.FormC));
}

这将从字符串中去除所有 NonSpacingMark 字符。这意味着它将把 é 转换为 e，因为 é 实际上是由 e 和 ´ 构建的 字符。
´ 是一个“NonSpacingMark”，这意味着它将被添加到前一个字符中。该方法尝试检测此特殊字符，并重建没有 NonSpacingMark 字符的字符串。 （这是我的理解，可能不正确）。

这不适用于所有 unicode 字符，但使用拉丁字符集（英语、西班牙语、法语、德语等）的用户输入将被“清理”。我对亚洲字符集没有经验。

---

经过反馈后，

我根据从该问题的评论和答案中获得的信息调整了例程。我当前的版本是：

    public static string RemoveDiacritics(string stIn) {
        string stFormD = stIn.Normalize(NormalizationForm.FormD);
        StringBuilder sb = new StringBuilder();

        for (int ich = 0; ich < stFormD.Length; ich++) {
            UnicodeCategory uc = CharUnicodeInfo.GetUnicodeCategory(stFormD[ich]);
            switch (uc) {
                case UnicodeCategory.NonSpacingMark:
                    break;
                case UnicodeCategory.DecimalDigitNumber:
                    sb.Append(CharUnicodeInfo.GetDigitValue(stFormD[ich]).ToString());
                    break;
                default:
                    sb.Append(stFormD[ich]);
                    break;
            }
        }

        return (sb
            .ToString()
            .Normalize(NormalizationForm.FormKC));
    }

此路由将删除变音符号（尽可能多），并将其他“奇怪”字符转换为“正常”形式。

Answer 4

您可以尝试这样的操作：

Encoding.ASCII.GetString(Encoding.Convert(UnicodeEncoding, ASCIIEncoding, Encoding.Unicode.GetBytes(myString)));

尽管如此，我不确定输入有什么问题。你到底在用文字做什么？如果它不仅仅包含 ascii 字符，这有关系吗？而且，我特别不知道你所说的“它们以粗体打印”是什么意思。