Unicode CFString:字符串中非代码点的字符计数

我想知道，有没有办法获取CoreFoundation框架中CFString对象中存储的字符数（由底层Unicode代码点表示）

---

有可用的函数：

CFStringGetLength

，但它不做它看起来做的事情

示例：我试图获取包含一个字符（字母“peep of”）的字符串的长度，该字符位于第二个（SMP）Unicode平面中

UInt8 arr[] = {0xf0, 0x90, 0x91, 0x90}; //UTF8
CFStringRef r = CFStringCreateWithBytes(0, arr, sizeof(arr),
                                        kCFStringEncodingUTF8, false);
CFIndex length = CFStringGetLength(r);

文件说明它返回：

字符串中存储的字符数（以UTF-16代码对表示）

正如您所看到的，这句话是矛盾的——字符的数量并不总是等于UTF-16代码点的数量。然而，大括号中的部分更准确-函数的实际结果是UTF-16序列的数量。在我的示例中，函数的结果是2（UTF-16中编码字符所需的序列长度），而函数名表明结果是1（在我看来）

---

我想找到一种方法以Unicode代码点的形式获取字符数。在CoreFoundation中有什么方法可以做到这一点吗？

我找到了一个解决方法。这并不完美，因为它可能需要额外转换到UTF-32

UInt8 arr[] = {0xf0, 0x90, 0x91, 0x90}; //UTF8, 
CFStringRef r = CFStringCreateWithBytes(0,
                                        arr,
                                        sizeof(arr),
                                        kCFStringEncodingUTF8,
                                        false);
CFIndex length = CFStringGetLength(r);
CFRange range = CFRangeMake(0, length);
CFIndex bytes;
CFStringGetBytes(r, range, kCFStringEncodingUTF32, 0, false, nullptr,
                 0, &bytes);
CFIndex characterCount = bytes/4;

解决方案利用了一个事实，即与UTF-16相比，UTF-32定义为在单个实体中包含单个代码点。而且，由于实体被定义为4字节大小，并且

CFStringGetBytes

能够获得转换后存储字符串所需的字节数，因此可以通过将字节数除以4来获得代码点的数目

---

无论如何，

CFStringGetBytes

的主要目的是执行实际转换，因此即使将

nullptr

作为

buffer

参数传递，也可能至少实际发生了转换的主要部分。出于这个原因，如果您想知道用户看到的“字符”的数量，无论是否标准化，都可以使用cfStringGetRangeofComposedCharactersIndex返回的范围循环合成字符序列，并计算迭代次数，那就太好了。

（这是我的猜测）

---

我找不到有关

CFStringGetLength

返回内容的“无定义”。所有苹果手册都只说UTF-16代码对（？），老实说，我无法理解它的含义。Unicode很复杂，有许多微妙的不同概念。如果没有精确的术语，我们无法找到它是什么

无论如何，在我看来，

[NSString length]

应该是一样的，因为

CFString

和

NSString

是免费桥接的，它们应该存储相同的数据以提供最佳性能。和

[NSString length]

返回UTF-16代码单元的编号。这在苹果手册中有严格的定义。请注意术语的不同。“代码单元”是定义良好的Unicode术语，但“代码对”是未知的术语。（有人知道吗？）“代码单元”与“代码点”也不相同

所以我假设它会返回“UTF-16代码单位”，但我不会打赌我的猜测。我会将它转换成NSString并调用[NSString length]以获得严格定义的数字

---

---

获取“Unicode Grapheme群集”，最好使用Swift

String

s。Swift

String

有本机接口来访问Grapheme集群。将它们转换为Swift

String

并对其进行迭代。

您是否对字符串进行了规范化？不，据我所知，CoreFoundation没有相应的例程。但是，我没有看到Unicode规范之间的直接联系还有我的问题-你能解释一下你的问题/建议的原因吗？好吧，对于组合字符或分解字符，计数可能不同，特别是在包含这两个字符的字符串中。转换为UTF-32根本不会改变这一点。你仍然需要决定是否需要以及如何进行规范化。我知道规范化可能会改变字符串长度-但这超出了我的问题范围。我不想修改字符串，只需获取给定CFString中存在的代码点的计数。这是正确的答案。在撰写此注释时，CF不会导出任何可以为您执行此操作的符号。此链接为该循环提供了一个片段，用于计数图形：

CFStrinGGETLENGT（）

确实返回了“以Unicode代码点表示”的字符数。呈现“@Sean”所需的UTF-16字符序列除了“UTF-16代码对”之外，我找不到任何

CFStringGetLength

返回的定义。我也找不到任何线索“UTF-16代码对”是什么意思。你能解释一下吗“代码对”实际上是“代码点”？