C# - char类型的一些介绍

Char

C#里面的char，其实就是System.Char类型的别名，它表明一个Unicode字符（是这样吗?），占用两个字节。

例如：char c = ‘A’;

char占用两个字节，也就是16位，其实本质上char其实就是16位的无符号整型数值，范围是0到65535，也就是和无符号short的范围是同样的。

 

转义字符

有一些字符没法经过字面的意思来进行解释，这时候就可使用转义字符。

转义字符是以 / 开始，后边跟着一个有特殊意义的字符。

例如：

char newLine = '\n'; 这个表示换行

char backSlash = '\\'; 这个就表示 \

 

转义字符的列表以下：

 

还有\u（\x）这两个转义字符可让你经过4位16进制的形式来表示任意的Unicode字符，例如：

char copyrightSymbol = '\u00A9'; // ©
char omegaSymbol = '\u03A9'; // Ω
char newLine = '\u000A'; // 换行

转换

char类型的变量能够隐式的转换到可容纳无符号short类型的数值类型，例如：

 

字符扩展

char只能表明一个Unicode字符, 其实这句话不太准确。

咱们知道Unicode里 65 表明着字母 A，但其实65是A的Unicode代码点，一般是这样来表示的 U+0041，16进制的41就是10进制的65。

 

而看这个例子，德语里面有个字符：ß，它的UniCode是 U+00DF，但就其自己而言，ß 不是一个字母，ß被认为等价于ss（也就是两个s），例如fußball就至关于fussball。

而用在字符/字符串比较的时候，就不能够把ß看成一个字符来处理，而是把ß=ss。

而ß所对应的U+00DF这个代码点就是字符扩展（Character expansion）的一个例子，若是想正确的比较字符/串，那么这个代码点就必须先转化为其它的多个代码点，这里就是 U+00DF -> U+0073 + U+0073，也就是ß -> ss，记住，这只是用于比较，而不是展现。

 

字符代理

字符代理（char surrogates），和字符扩展正好相反。

字符扩展是指，一个字符表明了多个实际的字符；而字符代理呢，就是使用两个char的实例来表示一个实际的字符。

字符代理之因此存在，是由于它的范围过小了（0-65535），因此根本没法表明世界上这么多语言的字符。实际上Unicode的代码点是从0到1114111（0x10FFFF），因此16位的存储远远不够用。

正是由于这点，Unicode UTF16有一个能够表示全部字符的体系，就是使用两个连续的16位数值来表示，这就叫作代理对（surrogate pairs）。

在这两个连续的16位数值里，第一个数的范围是U+D800到U+DBFF（55296到56319），因此若是您在解析字符/串的时候，解析出来的数值正好落在这个范围里，那么你就须要把这个char和它后边的char连在一块儿进行解析，才能得出真正要表示的字符。

从术语上讲，第一个16位数叫作High Surrogate（高代理项），第二个数叫作Low Surrogate（低代理项）。

 

例如：𝄞 它的Unicode 代码点是 U+1D11E，它包含一个High Surrogate：U+D834 和一个Low Surrogate：U+DD1E

 

合并字符

此外有一些代码点还会修改前一个字符，好比说 ä 这个字符，它能够用U+00E4来表示。

而我也可使用 a +  ̈  （U+0061 + U+0308）的形式来表示该字符，在这里U+0308就表示两个点，它会修改前一个字符。

在Unicode的标准中，后边这个字符就叫作 Combining diaeresis（组合用分音符？）

而在实际中字符/串比较的时候，你须要把这两个字符合并看成U+00E4才能够。

 

其它

char有ToUpper()和ToLower()两个方法能够变换大小写，它们首先会遵循用户的locale（区域设置），可是这就有可能引发一个bug：

char.ToUpper ('i') == 'I'

这个表达式在土耳其语里面会返回false。

在土耳其语里面 i 被 ToUpper()以后返回的是 İ （看起来像大写的I上面还有一个点），因此与大写的 I 不等。

而char也提供了不依赖用户区域的版本：

 

• char.ToUpperInvariant ('i')
• char.ToUpper ('i', CultureInfo.InvariantCulture) 

这两种写法均可以。

 

另一点须要注意的是，从整型转换到char类型后，颇有可能变成一个超出了Unicode范围的字符，这样的字符就是不合理的。

为了验证字符是否合理，咱们可使用 char.GetUnicodeCategory()方法，若是结果是UnicodeCategory.OtherNotAssigned，那么该字符就不合理。