代理對檢測失敗

我正在研究F＃中的一個次要項目，它涉及將現有的C＃代碼移植到F＃，而且我似乎遇到了兩種語言之間處理正則表達式的差異（我正在發佈這希望找出我只是做錯了什麼）。代理對檢測失敗

這個次要功能只是使用正則表達式技巧here簡單地檢測代理對。下面是當前實現：

let isSurrogatePair input = 
    Regex.IsMatch(input, "[\uD800-\uDBFF][\uDC00-\uDFFF]")

如果我然後執行它與已知的代理對這樣的：

let result = isSurrogatePair "野" 
printfn "%b" result

我在FSI窗口得到false。

如果我使用等效C＃：

public bool IsSurrogatePair(string input) 
{ 
    return Regex.IsMatch(input, "[\uD800-\uDBFF][\uDC00-\uDFFF]"); 
}

而同樣的輸入值，I（正確）獲得true回來。

這是一個真正的問題？我只是在我的F＃實現中做錯了什麼？

來源

2015-03-31 Sven Grosen

F＃如何編碼轉義的Unicode字符似乎存在一個錯誤。
從F＃互動這裏的（注意最後兩個結果）：

> "\uD500".[0] |> uint16 ;; 
val it : uint16 = 54528us 
> "\uD700".[0] |> uint16 ;; 
val it : uint16 = 55040us 
> "\uD800".[0] |> uint16 ;; 
val it : uint16 = 65533us 
> "\uD900".[0] |> uint16 ;; 
val it : uint16 = 65533us

幸運的是，這種解決方法的工作原理：

> let s = new System.String([| char 0xD800 |]) 
s.[0] |> uint16 
;; 

val s : System.String = "�" 
val it : uint16 = 55296us

基於這一發現，我可以構建一個糾正（或者，更確切地說， workarounded）版本的isSurrogatePair：

let isSurrogatePair input = 
    let chrToStr code = new System.String([| char code |]) 
    let regex = "[" + (chrToStr 0xD800) + "-" + (chrToStr 0xDBFF) + "][" + (chrToStr 0xDC00) + "-" + (chrToStr 0xDFFF) + "]" 
    Regex.IsMatch(input, regex)

此版本的正確返回true您的輸入。

我剛剛提交GitHub上這個問題：https://github.com/fsharp/fsharp/issues/399

來源

2015-03-31 04:26:28

看來，這是一個合法的F＃錯誤，沒有參數那裏。只是想提出一些替代解決方法。

不要在字符串本身中嵌入問題字符，請使用正則表達式的普通unicode支持來指定它們。正則表達式匹配模式的Unicode碼點XXXX是\uXXXX，所以才逃過你的反斜線或使用逐字字符串：

Regex.IsMatch(input, "[\\uD800-\\uDBFF][\\uDC00-\\uDFFF]") 
// or 
Regex.IsMatch(input, @"[\uD800-\uDBFF][\uDC00-\uDFFF]")

使用內置的正則表達式支持unicode的塊：

// high surrogate followed by low surrogate 
Regex.IsMatch(input, @"(\p{IsHighSurrogates}|\p{IsHighPrivateUseSurrogates})\p{IsLowSurrogates}")

或屬性

// 2 characters, each of which is half of a surrogate pair 
// (maybe could give false-positive if both are, e.g. low-surrogates) 
Regex.IsMatch(input, @"\p{Cs}{2}")

來源

2015-04-01 04:43:57 latkin

代理對檢測失敗

回答

相關問題