如何在C#中获取包含表情符号的字符串的正确长度

Question

English-flag-emoji由14个字节的数据组成，当它们组合在一起时将呈现一个字符-。

如果我的代码如下所示：

var test = "\ud83c\udff4\udb40\udc67\udb40\udc62\udb40\udc65\udb40\udc6e\udb40\udc67\udb40\udc7f";

Console.WriteLine(test);
Console.WriteLine(test.Length);

它将打印字符和数字14。不知何故，我希望它返回1。在互联网上搜索答案时，我找到了这个解决方案：

var stringInfo = new System.Globalization.StringInfo(test);
Console.WriteLine(stringInfo.LengthInTextElements);

问题是，它输出的是7。我猜它会把它解释成双字节unicode，只给我一半的字节长度。有关工作示例，请参阅此dotnetfiddle。

如何获取字符串将被表示为的字形数量？

这是一个用Swift编写的类似测试，在OSX上的XCode中运行，它显然和我想要的一样工作，但我需要它在C#中运行。

​

​

Answer 1

冗长的评论(可能不是真正的答案)。

例如，参见Wikipedia: Tags (Unicode block)，序列"\ud83c\udff4\udb40\udc67\udb40\udc62\udb40\udc65\udb40\udc6e\udb40\udc67\udb40\udc7f"是一种非常新的Unicode标准。这在.NET中还不受支持(也许永远不会支持)。

编写你自己的方法来支持它。

顺便说一句，不是写：

"\ud83c\udff4\udb40\udc67\udb40\udc62\udb40\udc65\udb40\udc6e\udb40\udc67\udb40\udc7f"

在我看来，更清楚的是这样写：

"\U0001F3F4\U000E0067\U000E0062\U000E0065\U000E006E\U000E0067\U000E007F"

当然，这是相同的字符串。

如果您的源代码文件采用支持Unicode的编码，则还可以使用：

""

当然了。

Answer 2

在.NET 5中只需使用StringInfo.LengthInTextElements即可。在以前版本的.NET中，此方法在这些表情符号上具有错误的行为。你可以看看这个blog。

在我的C#交互(.NET核心模式)中，我得到这样的结果：

> Environment.Version
[5.0.7]
> var stringInfo = new System.Globalization.StringInfo("");
. Console.WriteLine(stringInfo.LengthInTextElements);
1