Objective-C一些特殊的字符无法控制地变化

Question

当我在此字符串上使用子字符串时，我有一个包含一些特殊字符的字符串（例如é，â，î，ı等）。我遇到不一致的结果。一些特殊的字符无法控制地更改

Answer 1

您假设这些都是个字符：

[newword substringWithRange:NSMakeRange(0,1)];    
[newword substringWithRange:NSMakeRange(1,1)];
[newword substringWithRange:NSMakeRange(2,1)];    
[newword substringWithRange:NSMakeRange(3,1)];
// and so on...

换句话说，您相信：

• location总是落在字符的开头。
• 角色始终具有length 1。

两个假设都是错误的。请阅读Apple 字符串编程指南（here）的“字符和字素簇”一章。

您的é的长度为2，因为它是基本字母e，后跟组合变音符号。如果要使其长度为1，则需要在使用字符串之前 normalize 字符串。调用precomposedStringWithCanonicalMapping并使用结果字符串。

示例和证明（在Swift中，但没关系，因为我始终使用NSString）：

let s = "é,â,î,ı" as NSString
let c = s.substring(with: NSRange(location: 0, length: 1)) // e
let s2 = s.precomposedStringWithCanonicalMapping as NSString
let c2 = s2.substring(with: NSRange(location: 0, length: 1)) // é

Answer 2

您正在将unicode字符串视为字节序列。除了低UTF8之外，Unicode代码点还可以是多字节的，因此您可以通过去除字母上方的重​​音部分来更改文本样式，例如：https://www.compart.com/en/unicode/U+0301

UTF8是可变宽度的，因此通过将其视为原始字节，您可能会得到怪异的结果，我建议使用更了解Unicode的代码，例如ICU（International Components for Unicode）。

现在假设您有一个这样的两个字节序列（这可能不是100％准确，但这说明了我的观点）：

0x056 0x000
  e    NUL

现在您有了一个带有1个代码点和一个空终止符的UTF8字符串。现在说您想为该e添加一个重音符号。你会怎么做？您可以使用特殊的Unicode代码点来修改e，因此现在的字符串是：

0x056 0x0CC 0x810 0x000
  e     U+0301     NUL

U+0301是2个字节的控制字符（结合了重音符号），并且使e带有重音符号。

---

编辑：答案假设使用UTF8编码，这可能是一个错误的假设，但我认为答案（无论是UTF8还是UTF16，还是任何其他带有控制字符的编码类型）都说明了为什么您可能会感到神秘消失的口音。尽管这可能是UTF16，但为了简单起见，我们假装我们生活在一个生活稍微好一些的世界中，因为每个人都只使用UTF8，而UTF16不存在。

---

要解决此评论（与问题无关，而是一些有趣的琐事），以及有关NS / CF / Swift运行时，桥接和恒定CF字符串等有趣的东西，例如：内存中的实际字符串是实现定义的，并且可以变化（即使是常量字符串，请相信我，我知道，几天前我在Clang中为CoreFoundation修复了它们的ELF实现）。无论如何，这是一些代码：

CF_INLINE CFStringEncoding __CFStringGetSystemEncoding(void) {
    if (__CFDefaultSystemEncoding == kCFStringEncodingInvalidId) (void)CFStringGetSystemEncoding();
    return __CFDefaultSystemEncoding;
}

CFStringEncoding CFStringFileSystemEncoding(void) {
    if (__CFDefaultFileSystemEncoding == kCFStringEncodingInvalidId) {
#if DEPLOYMENT_TARGET_MACOSX || DEPLOYMENT_TARGET_EMBEDDED || DEPLOYMENT_TARGET_EMBEDDED_MINI || DEPLOYMENT_TARGET_WINDOWS
        __CFDefaultFileSystemEncoding = kCFStringEncodingUTF8;
#else
        __CFDefaultFileSystemEncoding = CFStringGetSystemEncoding();
#endif
    }
    return __CFDefaultFileSystemEncoding;
}

贯穿整个CoreFoundation / Foundation / SwiftFoundation（是的，您永远不知道实际上持有的是哪种NSString，它们通常假装是同一件事，但取决于您如何获取可能持有的对象到它的三个变体之一上。

这就是为什么存在这样的代码的原因，因为NS / CF（Constant）/ Swift字符串具有实现定义的内部表示形式。

if (((encoding & 0x0FFF) == kCFStringEncodingUnicode) && ((encoding == kCFStringEncodingUnicode) || ((encoding > kCFStringEncodingUTF8) && (encoding <= kCFStringEncodingUTF32LE)))) {

如果要保持一致的行为，则必须使用特定的固定编码对字符串进行编码，而不是依赖于内部表示。