在 Powershell 中拆分表情符号序列

Question

我有一个仅填充表情符号的文本框。没有空格或任何类型的字符。我需要拆分这些表情符号才能识别它们。这是我试过的：

function emoji_to_unicode(){
    foreach ($emoji in $textbox.Text) {
        $unicode = [System.Text.Encoding]::Unicode.GetBytes($emoji)
        Write-Host $unicode
    }
}

不是一个一个地打印字节，而是循环运行一次，打印所有连接在一起的表情符号的代码。就好像所有的表情符号都是一个项目。我测试了 6 个表情符号，而不是得到这个：

61 216 7 222

61 216 67 222

61 216 10 222

61 216 28 222

61 216 86 220

60 216 174 223

我明白了：

61 216 7 222 61 216 67 222 61 216 10 222 61 216 28 222 61 216 86 220 60 216 174 223

我错过了什么？

Answer 1

字符串只是一个元素。您想将其更改为字符数组。

foreach ($i in 'hithere') { $i }
hithere

foreach ($i in [char[]]'hithere') { $i }
h
i
t
h
e
r
e

嗯，这不太好用。这些代码点相当高，U+1F600（32位）等

foreach ($i in [char[]]'') { $i }       
�  # 16 bit surrogate pairs?
�
�
�
�
�
�
�
�
�
�
�
�
�

嗯好的，添加每一对。这是使用 https://en.wikipedia.org/wiki/Universal_Character_Set_characters#Surrogates （或仅使用 ConvertToUTF32($emoji, 0) ）

的另一种方法

$emojis = ''
for ($i = 0; $i -lt $emojis.length; $i += 2) {
  [System.Char]::IsHighSurrogate($emojis[$i])
  0x10000 + ($emojis[$i] - 0xD800) * 0x400 + $emojis[$i+1] - 0xDC00 | % tostring x
  # [system.char]::ConvertToUtf32($emojis,$i) | % tostring x  # or
  $emojis[$i] + $emojis[$i+1]
}


True
1f600

True
1f601

True
1f602

True
1f603

True
1f604

True
1f605

True
1f606

注意Unicode.GetBytes()方法调用中的unicode指的是utf16le编码。

中文作品。

[char[]]'嗨，您好'
嗨
，
您
好

这里使用的是utf32编码。所有字符都是 4 个字节长。将每 4 个字节转换为 int32 并将它们打印为十六进制。

$emoji = ''
$utf32 = [System.Text.Encoding]::utf32.GetBytes($emoji)

for($i = 0; $i -lt $utf32.count; $i += 4) {
    $int32 = [bitconverter]::ToInt32($utf32[$i..($i+3)],0)
    $int32 | % tostring x
}

1f600
1f601
1f602
1f603
1f604
1f605
1f606

或者从 int32 到字符串的另一种方式。简单地将 int32 转换为 [char] 是行不通的（必须添加成对的 [char]）。脚本参考：https://www.powershellgallery.com/packages/Emojis/0.1/Content/Emojis.psm1

for ($i = 0x1f600; $i -le 0x1f606; $i++ ) { [System.Char]::ConvertFromUtf32($i) }

另见 How to encode 32-bit Unicode characters in a PowerShell string literal?

编辑：

Powershell 7 有一个很好的 enumeraterunes() 方法：

$emojis = ''
$emojis.enumeraterunes() | % value | % tostring x

1f600
1f601
1f602
1f603
1f604
1f605
1f606

在 Powershell 中拆分表情符号序列

Spliting an emoji sequence in powershell

unicode

powershell

surrogate-pairs

emoji