Question

我有一个UTF-8编码字符串，我从阅读PDF，我试图去除一些代表空格但不编码为标准0x20空间的字符。我的问题是字符由3字节的UTF-8表示，我无法弄清楚如何将其转换为字符串或字符，以便我可以进行替换。我试图替换的两个UTF-8字符是0xE28087和0xE28088。

我尝试过Chr和ChrW，它只取整数参数65,000（可能是UTF-8中单个字节表示的项目）

我也尝试使用System.Text.Encoding.UTF8.GetChars（）和我的字符的字节表示，但结果似乎是4个字符而不是只有一个 - IE它将我的3字节字符解释为单独的字符字节

    Dim ResultChars() As Char
    Dim bytes() As Byte
    Dim SpaceChar As Int32

    SpaceChar = Integer.Parse("E28087", Globalization.NumberStyles.HexNumber)
    bytes = BitConverter.GetBytes(SpaceChar)
    ResultChars = System.Text.Encoding.UTF8.GetChars(bytes)
    For Each ResultChar In ResultChars
        Debug.WriteLine(ResultChar)
    Next

我在伪代码中尝试做的只是： ConvertedText = ConvertedText.Replace（StringOrCharofThisUnicodeCharacter（“0xE28087”），“”）

Answer 1

您正在使用UTF-8编码混合代码点。在内部，所有.NET字符串都使用UTF-16，因此您只需要指定Unicode代码点，不 UTF-8字节数据：

Const FigureSpaceChar As Char = ChrW(&H2007)

来自www.fileformats.info的代码点。

.NET中的3字节UTF-8字符串替换（将3字节UTF-8转换为字符串或字符）

1 个答案: