F＃中的代理unicode字符问题

Question

我正在处理字符串，它可能包含代理unicode字符（非BMP，每个字符4个字节）。

当我使用“ \ Uxxxxxxxxv ”格式指定F＃中的代理字符时 - 对于某些字符，它给出的结果与C＃的情况不同。例如：

C＃：

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

给予：Length: 2, is surrogate: True

F＃：

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

给予：Length: 2, is surrogate: false

注意：某些代理字符在F＃（“\ U0010011”，“\ U00100011”）中有效，但其中一些不起作用。

问：这是F＃中的错误吗？如何使用F＃处理字符串中允许的代理unicode字符（F＃是否有不同的格式，或者只有使用方式 Char.ConvertFromUtf32 0x1D11E ）

更新
s.ToCharArray()代表F＃[| 0xD800; 0xDF41 |];对于C＃{ 0xD834, 0xDD1E }

Answer 1

这是VS2010（和SP1）附带的F＃编译器中的已知错误;修复程序出现在VS11位中，因此，如果您拥有VS11 Beta并使用F＃3.0编译器，您将看到此行为符合预期。

（如果其他答案/评论在此期间没有为您提供合适的解决方法，请与我们联系。）

Answer 2

这显然意味着F＃在解析一些字符串文字时会出错。事实证明，你提到的事实是非BMP，而在UTF-16中，它应该被表示为一对代理人。 代理是0xD800-0xDFFF范围内的单词，而生成的字符串中的字符都不适合该范围。

但代理人的处理并没有改变，因为框架（引擎盖下）是相同的。所以你已经在你的问题中得到了答案 - 如果你需要在代码中使用非BMP字符的字符串文字，你应该使用Char.ConvertFromUtf32而不是\ UXXXXXXXX表示法。所有其余的处理都将一如既往。

Answer 3

在我看来，这与不同形式的规范化有关。 在C＃和F＃中都有.snNormalized（）返回true 但是在C＃中

s.ToCharArray（）给我们{55348,56606} // 0xD834,0xDD1E

和F＃

s.ToCharArray（）给我们{65533,57422} // 0xFFFD，0xE04E

正如您可能知道System.Char.IsSurrogate以下列方式实现：

   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＃中，第一个字符（55348）小于LOW_SURROGATE_END，但在F＃中，第一个字符（65533）不小于LOW_SURROGATE_END。

我希望这会有所帮助。