C#에서 유니 코드 SMP "character"

Question

나는 계획하고있는 소프트웨어 시스템에 대한 문자 인코딩의 함의를 확인하려고 노력하고 있으며 테스트를하는 동안 이상한 것을 발견했습니다.

내 지식으로 C#은 내부적으로 두 개의 16 비트 필드를 사용하는 모든 유니 코드 코드 포인트를 포함하는 UTF-16을 사용합니다. 그래서 저는 문자 리터럴을 만들고 의도적으로 선택하고 싶었습니다. 왜냐하면 전자가 SMP 평면에서 나온 것이고 후자가 BMP 평면에서 나온 것이기 때문입니다. 결과는 다음과 같습니다.

char ch1 = '얤'; // No problem 
char ch2 = ''; // Compilation error "Too many characters in character literal" 

무슨 일 이죠?

"얤얤"라는 문자열이 MessageBox에 올바르게 표시되어 있지만 ToCharArray를 사용하여 char []로 변환 할 때 세 개가 아닌 네 개의 요소가있는 배열이됩니다. 또한 String.Length는 3이 아닌 4로보고됩니다.

여기에 뭔가가 있습니까?

Answer 1

소스 파일을 UTF-8 (소스에서 특수 문자를 사용할 때 권장 됨)에 저장하지 못할 수 있으므로 컴파일러에서 실제로 혼동을 일으키는 바이트 시퀀스를 볼 수 있습니다. 16 진수 편집기에서 소스 파일을 열면 문자 대신 표시되는 바이트가 다를 수 있음을 확인할 수 있습니다.

아직 켜져 있지 않은 경우 도구 -> 옵션 -> Visual Studio (2008 사용) 문서 - 해당 옵션은 Save documents as Unicode when data cannot be saved in codepage입니다.

일반적으로 문자 시퀀스를 사용하여 특수 문자를 지정하는 것이 좋습니다.

이 MSDN article은 \uxxxx 시퀀스를 사용하여 원하는 유니 코드 문자 코드를 지정하는 방법을 설명합니다. 이 blog entry에는 다양한 C# 이스케이프 시퀀스가 ​​나열되어 있습니다. \ xnnn을 사용하여 언급했기 때문에 포함하는 이유는이 형식을 사용하지 마십시오 : \u의 가변 길이 버전이며 일부 상황에서는 문제가 발생할 수 있습니다 ,).

MSDN article은 문자 할당이 좋지 않은 이유를 지적합니다. 문제의 문자에 대한 코드 포인트는 char 유형의 범위를 벗어난> FFFF입니다.

질문의 문자열 부분에 대한 대답은 SMP 문자가 두 개의 char 값으로 표현된다는 것입니다. This SO question에는 문자열에서 코드 포인트를 얻는 방법을 보여주는 코드가 일부 포함되어 있습니다. StringInfo.GetTextElementEnumerator를 사용합니다.

이 모든 내용은이 답변에 대한 설명에 포함되었으므로 여기에 관련 정보가 있습니다. 대답을하고 그것을 받아 들일 것입니다.

Answer 2

MSDN says that the char type can represent Unicode 16-bit character (따라서 문자 BMP 만 가능).

BMP 외부 문자를 사용할 경우 (UTF-16 : 보조 쌍 - 2x16 비트) 컴파일러는이를 두 문자로 처리합니다.