問題與代理unicode字符在F＃

Question

我正在處理字符串，它可能包含代理unicode字符（非BMP，每個字符4字節）。

當我使用「\ Uxxxxxxxxv」格式在F＃中指定代理字符時 - 對於某些字符，它給出的結果與C＃不同。例如：

C＃：

string s = "\U0001D11E"; 
bool c = Char.IsSurrogate(s, 0); 
Console.WriteLine(String.Format("Length: {0}, is surrogate: {1}", s.Length, c)); 

給出：Length: 2, is surrogate: True

F＃：

let s = "\U0001D11E" 
let c = Char.IsSurrogate(s, 0) 
printf "Length: %d, is surrogate: %b" s.Length c 

給出：Length: 2, is surrogate: false

注意：有些替代字符在F＃（「\ U0010011」，「\ U00100011」）中有效，但其中一些不起作用。

問：這是F＃中的錯誤嗎？我該如何處理允許代理Unicode字符與F＃的字符串（不F＃有不同的格式，或僅方法是使用Char.ConvertFromUtf32 0x1D11E）

更新：
s.ToCharArray()給出了F＃[| 0xD800; 0xDF41 |]; for C＃{ 0xD834, 0xDD1E }

Answer 1

這顯然意味着F＃在解析一些字符串文字時出錯。這已經被你提到的事實證明是非BMP的，在UTF-16中它應該被表示爲一對代理。 替代項是0xD800-0xDFFF範圍內的單詞，而生成的字符串中的字符都不適合該範圍。

但是代理的處理並沒有改變，因爲框架（引擎蓋下）是相同的。所以你的問題已經有了答案 - 如果你的代碼中需要帶有非BMP字符的字符串，你應該使用Char.ConvertFromUtf32而不是\ UXXXXXXXX表示法。其餘的處理過程將與往常一樣。

Answer 2

在我看來，這是與不同形式的規範化相關的東西。 無論是在C＃和F＃s.IsNormalized（）返回true 但在C＃

s.ToCharArray（）爲我們提供了{55348，56606} // 0xD834，0xDD1E

和F＃

s.ToCharArray（）爲我們提供了{65533，57422} // 0xFFFD，0xE04E

正如你可能知道System.Char.IsSurrogate是通過以下方式實現：

public static bool IsSurrogate(char c) 
    { 
     return (c >= HIGH_SURROGATE_START && c <= LOW_SURROGATE_END); 
    } 

其中

HIGH_SURROGATE_START = 0x00d800; 
    LOW_SURROGATE_END = 0x00dfff; 

所以在C＃第一個字符（55348）小於LOW_SURROGATE_END但在F＃第一個字符（65533）不大於LOW_SURROGATE_END以下。

我希望這會有所幫助。

Answer 3

這是VS2010（和SP1）附帶的F＃編譯器中的一個已知錯誤;該修補程序出現在VS11位中，因此如果您有VS11 Beta並使用F＃3.0編譯器，您會發現它的行爲與預期相同。

（如果其他的答案/評論這裏不爲您提供在此期間，一個合適的解決辦法，讓我知道。）