C#泰米尔符文:如何获得泰米尔字母的正确数量

Question

我想弄清楚如何处理泰米尔语的文件名。我需要这样缩短它们："foobar.gif“-> "foo...gif”。

我今天了解到，有些语言使用多个字符来表示字母，我发现C#有Rune的概念。

我不能让这个和泰米尔人合作。

以"தமிழ்.gif“为例：

我曾希望"தமிழ்.gif".Length应该是6，但它是9：

​

​

如何获得一个正确的子字符串，如"தமிழ்.gif".Substring(2) => "தமி“而不是"தம”。

我遗漏了什么？

Answer 1

这与代理项对有关，代理项对是代表Unicode中“单个”字符的char对。

参见以下有关代理项对的问题：What is a Unicode safe replica of String.IndexOf(string input) that can handle Surrogate Pairs?

Is String.Replace(string,string) Unicode Safe in regards to Surrogate Pairs?

在处理实际长度大于单个字符的字符时，必须找到包含在当前字符串数组中的字符串数组的索引。

因此，我应该添加一些“Unicode安全”方法，以删除字符或查找索引，否则可能会删除有效Unicode字符的“一半”，并留下无效的Unicode。