字串 Unicode 字碼辨識與繁簡字碼轉換心得筆記
話說我發現自己的文章竟然有簡體版後，那就想試試C#下怎麼判別字碼跟做繁簡轉換的操作
OK！Here we GO~~
首先第一步先判別是否為合法合規的字串，就是非空(null)或非空白字串
public static bool IsStringInvalid(object obj)
{
if (obj == null) return true;
if (obj.ToString().Trim() == null) return true;
if (obj.ToString() == "") return true;
return false;
}這邊只是簡易的判斷，像有些特殊情況空寬空格(ZWSP, Zero-Width Space)也可以在此加入判斷
可以參照這兩篇文章來更了解 ZWSP
接下來第二步讓我們判斷字串是否屬於漢字碼
這邊用來判斷的 Unicode 字碼區段是 U+4E00 ~ U+9FFF，
此區段真正名稱是「中日韓統一表意文字列表」，但大事不拘小節就讓我們稱這漢文字碼吧 XD
各位看倌們上碼了～XD
public static bool IsHanCode(string str, int index)
{
int code = 0;
int chFrom = Convert.ToInt32("4e00", 16);
int chEnd = Convert.ToInt32("9fff", 16);
if (str != "")
{
// 取得字串中指定索引處的字元 Unicode 編碼
code = Char.ConvertToUtf32(str, index);
if (code >= chFrom && code <= chEnd)
{
return true;
}
return false;
}
return false;
}
public static bool IsContainHanString(string str)
{
for (int i = 0; i < str.Length; i++)
{
if (IsHanCode(str, i))
{
return true;
}
}
return false;
}接下來這節，讓我們判斷使否為漢字碼內繁簡體字碼(Big5/GB/GBK)
先來繁體的 Big5 碼
public static bool IsBig5Code(string str)
{
byte[] bytes = Encoding.GetEncoding("Big5").GetBytes(str.ToString());
// 如果字串長度只有1Byte，則是 ASCII
if (bytes.Length <= 1)
{
return false;
}
else
{
byte byte1 = bytes[0];
byte byte2 = bytes[1];
if ((byte1 >= 129 && byte1 <= 254) &&
((byte2 >= 64 && byte2 <= 126) || (byte2 >= 161 && byte2 <=254)))
{
return true;
}
return false;
}
}
public static bool IsContainBig5String(string str)
{
char[] words = str.ToCharArray();
foreach (char word in words)
{
if (IsBig5Code(word.ToString()))
{
return true;
}
else
{
continue;
}
}
return false;
}再來簡體 GB2312 碼
public static bool IsGBCode(string str)
{
byte[] bytes = Encoding.GetEncoding("GB2312").GetBytes(str.ToString());
// 如果字串長度只有1Byte，則是 ASCII
if (bytes.Length <= 1)
{
return false;
}
else
{
byte byte1 = bytes[0];
byte byte2 = bytes[1];
if (byte1 >= 176 && byte1 <= 247 &&
byte2 >= 160 && byte2 <= 254)
{
return true;
}
return false;
}
}
public static bool IsContainGBString(string str)
{
char[] words = str.ToCharArray();
foreach (char word in words)
{
if (IsGBCode(word.ToString()))
{
return true;
}
else
{
continue;
}
}
return false;
}再一發簡體 GBK 碼
public static bool IsGBKCode(string str)
{
byte[] bytes = Encoding.GetEncoding("GBK").GetBytes(str.ToString());
// 如果字串長度只有1Byte，則是 ASCII
if (bytes.Length <= 1)
{
return false;
}
else
{
byte byte1 = bytes[0];
byte byte2 = bytes[1];
if (byte1 >= 129 && byte1 <= 254 &&
byte2 >= 64 && byte2 <= 254)
{
return true;
}
return false;
}
}
public static bool IsContainGBKString(string str)
{
char[] words = str.ToCharArray();
foreach (char word in words)
{
if (IsGBKCode(word.ToString()))
{
return true;
}
else
{
continue;
}
}
return false;
}觀察上一節的程式碼會發現核心是用以下這個功能函式
Encoding.GetEncoding("CharacterEncoding")那就來實作一下繁簡字碼的轉換，這加入大部分應用程式都支援的 UTF-8，那就上碼吧～ XD
public static string Big5toUTF8(string str)
{
Encoding Big5 = Encoding.GetEncoding("Big5");
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
byte[] tmp = Big5.GetBytes(str);
tmp = Encoding.Convert(Big5, UTF8, tmp);
return UTF8.GetString(tmp);
}
public static string UTF8toBig5(string str)
{
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
Encoding Big5 = Encoding.GetEncoding("Big5");
byte[] tmp = UTF8.GetBytes(str);
tmp = Encoding.Convert(UTF8, Big5, tmp);
return Big5.GetString(tmp);
}
public static string GBtoUTF8(string str)
{
Encoding GB = Encoding.GetEncoding("GB2312");
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
byte[] tmp = GB.GetBytes(str);
tmp = Encoding.Convert(GB, UTF8, tmp);
return UTF8.GetString(tmp);
}
public static string UTF8toGB(string str)
{
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
Encoding GB = Encoding.GetEncoding("GB2312");
byte[] tmp = UTF8.GetBytes(str);
tmp = Encoding.Convert(UTF8, GB, tmp);
return GB.GetString(tmp);
}
public static string GBKtoUTF8(string str)
{
Encoding GBK = Encoding.GetEncoding("GBK");
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
byte[] tmp = GBK.GetBytes(str);
tmp = Encoding.Convert(GBK, UTF8, tmp);
return UTF8.GetString(tmp);
}
public static string UTF8toGBK(string str)
{
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
Encoding GBK = Encoding.GetEncoding("GBK");
byte[] tmp = UTF8.GetBytes(str);
tmp = Encoding.Convert(UTF8, GBK, tmp);
return GBK.GetString(tmp);
}看了上節轉換字碼的程式後，細心的看倌應該發現如果就是要將字串轉到某個字碼下應該可行
的確是這樣，不然考量原始字碼情況下那排列組合真是太多了！
public static string ToUTF8(string str)
{
Encoding UTF8 = Encoding.GetEncoding("UTF-8");
byte[] tmp = Encoding.Default.GetBytes(str);
tmp = Encoding.Convert(Encoding.Default, UTF8, tmp);
return UTF8.GetString(tmp);
}
public static string ToBig5(string str)
{
Encoding Big5 = Encoding.GetEncoding("Big5");
byte[] tmp = Encoding.Default.GetBytes(str);
tmp = Encoding.Convert(Encoding.Default, Big5, tmp);
return Big5.GetString(tmp);
}
public static string ToGB(string str)
{
Encoding GB = Encoding.GetEncoding("GB2312");
byte[] tmp = Encoding.Default.GetBytes(str);
tmp = Encoding.Convert(Encoding.Default, GB, tmp);
return GB.GetString(tmp);
}
public static string ToGBK(string str)
{
Encoding GBK = Encoding.GetEncoding("GB2312");
byte[] tmp = Encoding.Default.GetBytes(str);
tmp = Encoding.Convert(Encoding.Default, GBK, tmp);
return GBK.GetString(tmp);
}這邊都只是簡要列出轉換的部分，實作上還是要先加上前三節提到的字串字碼判斷
這部分就是個人的經驗談，主要是要避免有特殊情況沒考慮到～
完結灑花 XD