Как я могу найти первый сильный характер направленности строки в C#?

Question

Предполагая, что я получаю строку, которая может иметь смешанное содержимое слева направо и справа налево, я хочу найти в ней первый сильный характер направленности, как определено here.

Я думаю, что я нашел хорошую отправную точку в вопросе this, но я до сих пор не могу понять, как категория BiDi связана с сильной характеристикой направленности. Можно ли это понять на C#?

Answer 1

Вместо того, чтобы полагаться на внутреннюю реализацию, я принял несколько иной подход, который открыт для оптимизации, но дает достаточную основу для ответа на ваш вопрос.

Я просто загружаю UnicodeData.txt, который является частью официального выпуска юникодной версии. Этот файл содержит для каждого unicodecharacter его число и некоторые поля с разделителями с запятой. Типичная строка выглядит следующим образом:

0041;LATIN CAPITAL LETTER A;Lu;0;L;;;;;N;;;;0061; 

пятое поле содержит Bidirectional Class Value.

Вооруженных это знание наивного анализатор, который считывает данные, а затем проверяет демо строку с это выглядит следующим образом:

// hold chars with their Bidi Class Value 
var udb = new Dictionary<char, string>(); 

// download UnicodeData txt file 
var cli = new WebClient(); 
var data = cli.DownloadData("http://www.unicode.org/Public/UNIDATA/UnicodeData.txt"); 
// parse 
using (var ms = new MemoryStream(data)) 
{ 
    var sr = new StreamReader(ms, Encoding.UTF8); 
    var line = sr.ReadLine(); 
    while (line != null) 
    { 
     var fields = line.Split(';'); 

     int uc = int.Parse(fields[0], NumberStyles.HexNumber); 
     // above 0xffff we're lost 
     if (uc > 0xffff) break; 

     var ch = (char) uc; 
     var bca = fields[4]; 

     udb.Add(ch, bca); 

     line = sr.ReadLine(); 
    } 
} 

// test string 
var s = "123A\xfb1d\x0620"; 

Console.WriteLine(s); 
var pos = 0; 
foreach(var c in s) 
{ 

    var bcv = udb[c]; // for a char get the Bidi Class Value 
    if (bcv == "L" || bcv == "R" || bcv == "AL") 
    { 
     Console.WriteLine(
      "{0} - {1} : {2} [{3}]", 
      c, 
      pos, 
      CharUnicodeInfo.GetUnicodeCategory(c), 
      bcv); 
    } 
    pos++; 
} 

При запуске вы увидите символы, сильного типа и в каком положении они были найдены.