通过

StringInfo 和 TextElementEnumerator 现在符合 UAX29

在此更改之前，System.Globalization.StringInfo 和 System.Globalization.TextElementEnumerator 未能正确处理所有字素群集。 一些图形被拆分为其构成组件，而不是一起保存。 现在，StringInfo 和 TextElementEnumerator 根据最新版本的 Unicode 标准处理字形组。

此外，Microsoft.VisualBasic.Strings.StrReverse 方法（用于反转 Visual Basic 中的字符串）现在也遵循 Unicode 标准来处理字形群集。

更改描述

字素或扩展字素簇是指由多个 Unicode 码位组成的单个用户感知的字符。 例如，包含泰国字符“kam”（กำ）的字符串包含以下两个字符：

  • ก （= '\u0e01'）泰文字符 KO KAI
  • ำ （= '\u0e33'）泰文字符 SARA AM

向用户显示时，操作系统会把这两个字符组合在一起，形成单一的显示字符（或称作图素）“kam”或 กำ。 表情符号也可以包含以这种类似方式显示的多个组合字符。

小窍门

有时 .NET 文档在提到 grapheme 时会使用术语 "text element"。

类StringInfoTextElementEnumerator检查字符串并返回有关它们所包含的图形体的信息。 在 .NET Framework（所有版本）和 .NET Core 3.x 及更早版本中，这两个类使用自定义逻辑来处理某些组合类，但不完全符合 Unicode 标准。 例如， StringInfo 和 TextElementEnumerator 类错误地将单个泰国字符“kam”拆分回其组成组件，而不是将它们放在一起。 这些类还错误地将表情符号🤷🏽‍♀️拆分为四个聚类（人耸肩、肤色修饰符、性别修饰符和不可见组合器），而不是将其合并为一个字形群组。

从 .NET 5 开始，StringInfo 和 TextElementEnumerator 类按照 Unicode 标准附件 #29，修订版 35，第3节所定义的 Unicode 标准进行实现。 具体而言，它们现在返回所有组合类的 扩展字素群集。

请考虑以下 C# 代码：

using System.Globalization;

static void Main(string[] args)
{
    PrintGraphemes("กำ");
    PrintGraphemes("🤷🏽‍♀️");
}

static void PrintGraphemes(string str)
{
    Console.WriteLine($"Printing graphemes of \"{str}\"...");
    int i = 0;

    TextElementEnumerator enumerator = StringInfo.GetTextElementEnumerator(str);
    while (enumerator.MoveNext())
    {
        Console.WriteLine($"Grapheme {++i}: \"{enumerator.Current}\"");
    }

    Console.WriteLine($"({i} grapheme(s) total.)");
    Console.WriteLine();
}

在 .NET Framework 和 .NET Core 3.x 及更早版本中，图形拆分，控制台输出如下所示：

Printing graphemes of "กำ"...
Grapheme 1: "ก"
Grapheme 2: "ำ"
(2 grapheme(s) total.)

Printing graphemes of "🤷🏽‍♀️"...
Grapheme 1: "🤷"
Grapheme 2: "🏽"
Grapheme 3: "‍"
Grapheme 4: "♀️"
(4 grapheme(s) total.)

在 .NET 5 及更高版本中，图形保持在一起，控制台输出如下所示：

Printing graphemes of "กำ"...
Grapheme 1: "กำ"
(1 grapheme(s) total.)

Printing graphemes of "🤷🏽‍♀️"...
Grapheme 1: "🤷🏽‍♀️"
(1 grapheme(s) total.)

此外，从 .NET 5 开始，Microsoft.VisualBasic.Strings.StrReverse 方法（用于反转 Visual Basic 中的字符串）现在也遵循 Unicode 标准来处理字形群集。

这些更改是 .NET 中更广泛的 Unicode 和 UTF-8 改进的一部分，包括扩展字位群集枚举 API，以补充在 .NET Core 3.0 中引入的 Unicode 标量值枚举 API System.Text.Rune。

已引入的版本

.NET 5.0

你不必执行任何操作。 在各种与全球化相关的方案中，你的应用将自动以更符合标准的方式行事。

受影响的 API