如何在C＃中将Unicode字符串拆分为多个Unicode字符？

Question

如果我有一个像"123‍‍‍"这样的字符串，我怎么能把它分成一个数组，看起来像["", "1", "2", "3", "‍‍‍"]？如果我使用ToCharArray()，则第一张表情符号被分成2个字符，第二个表情符号分成7个字符。

更新

的解决方案现在看起来是这样的：

public static List<string> GetCharacters(string text) 
{ 
    char[] ca = text.ToCharArray(); 
    List<string> characters = new List<string>(); 
    for (int i = 0; i < ca.Length; i++) 
    { 
     char c = ca[i]; 
     if (c > 65000) continue; 
     if (char.IsHighSurrogate(c)) 
     { 
      i++; 
      characters.Add(new string(new[] { c, ca[i] })); 
     } 
     else 
      characters.Add(new string(new[] { c })); 
    } 
    return characters; 
} 

请注意，由于在评论中提到的，它并没有为家庭表情符号工作。它只适用于2个字符或更少的表情符号。示例的输出为：["", "1", "2", "3", "‍", "‍", "‍", ""]

Answer 1

.NET将字符串表示为一系列UTF-16元素。基本多语言平面（BMP）之外的Unicode代码点将被拆分为高位和低位代理。每个的低10位形成实际码点值的一半。

有助手可以检测到这些替代品（例如Char.IsLowSurrogate）。

你需要自己处理。