Unicode 如何在U+；Rebol 3字符串中的FFFF与Rebol 2中的相同？

我知道在REBOL2中不能对大于^（FF）的代码点使用插入符号样式的字符串转义，因为它对Unicode一无所知。所以这并没有产生任何好的结果，它看起来一团糟：

print {Q: What does a Zen master's {Cow} Say?  A: "^(03BC)"!}

但代码在Rebol 3中工作并打印出来：

Q: What does a Zen master's {Cow} Say?  A: "μ"!

这很好，但是R3在U+FFFF时最大限度地发挥了在字符串中保存字符的能力：

>> type? "^(FFFF)"
== string!

>> type? "^(010000)"
** Syntax error: invalid "string" -- {"^^(010000)"}
** Near: (line 1) type? "^(010000)"

这种情况比REBOL2遇到它不知道的代码点时的随机行为要好得多。但是，如果您知道如何进行自己的UTF-8编码（或者通过从磁盘加载源代码来获取字符串），Rebol中曾经有一个用于存储字符串的变通方法。你可以从单个字符中组合它们

所以U+010000的UTF-8编码是#F0908080，你可以在前面说：

workaround: rejoin [#"^(F0)" #"^(90)" #"^(80)" #"^(80)"]

---

您将得到一个字符串，其中包含使用UTF-8编码的单个代码点，您可以将其以代码块的形式保存到磁盘，然后再次读取。R3中有类似的技巧吗？

是的，有一个技巧……这也是你应该在R2中使用的技巧。不要用绳子！使用二进制！如果你必须做这类事情：

好的解决方法：#{F0908080}

它可以在Rebol2中工作，也可以在Rebol3中工作。您可以保存并加载它，而无需任何有趣的操作

事实上，如果您根本不关心Unicode，那么如果您陷入Rebol 2而不是Rebol 3，请停止使用高于^（7F）的代码点的字符串处理。我们将通过查看可怕的解决方法来了解原因：

糟糕的解决方法：重新加入[#“^（F0）”#“^（90）”#“^（80）”#“^（80）”]

…“你会得到一个带有单个UTF-8码点的字符串”

唯一应该得到的是一个具有四个独立字符代码点的字符串，并且

4=长度？糟糕的解决方法

。Rebol2已断开，因为字符串！基本上与二进制没有区别！在引擎盖下。事实上，在Rebol2中，您可以在不复制的情况下来回别名这两种类型，查找AS-BINARY和AS-STRING。（这在Rebol3中是不可能的，因为它们实际上是根本不同的，所以不要附加到该功能上！）

看到这些字符串报告长度为4有点欺骗性，如果将它们

转换为整数，则每个字符产生相同的值是一种错误的安慰。因为如果你将它们写入某个文件或端口，并且需要对它们进行编码，你就会被咬。在Rebol2中注意这一点：

>> to integer! #"^(80)"
== 128

>> to binary! #"^(80)"
== #{80}

但在R3中，当需要进行二进制转换时，可以使用UTF-8编码：

>> to integer! #"^(80)"
== 128

>> to binary! #"^(80)"
== #{C280}

因此，当您的看似正常工作的代码在以后做了一些不同的事情，并最终以不同的方式序列化时，您会感到惊讶。事实上，如果你想知道R2在这方面有多“混乱”，看看为什么你的“mu”有一个奇怪的符号。在R2中：

它只是把“03”扔掉了-/

因此，如果您出于某种原因需要使用Unicode字符串，但无法切换到R3，请在cow示例中尝试以下操作：

mu-utf8: #{03BC}
utf8: rejoin [#{} {Q: What does a Zen master's {Cow} Say?  A: "} mu-utf8 {"!}]

这就得到了一个二进制文件。仅将其转换为调试输出的字符串，并准备好查看胡言乱语。但是，如果您陷入Rebol2，那么这是正确的做法

重申一下答案：如果出于某种奇怪的原因，需要在Rebol3中使用那些更高的代码点，那么应该怎么做：

utf8: rejoin [#{} {Q: What did the Mycenaean's {Cow} Say?  A: "} #{010000} {"!}]

如果我知道那是什么，我相信那会是一个非常有趣的笑话。这让我想说的是，如果你在做一件如此深奥的事情，你可能只引用了几个代码点作为例子。您可以将大部分数据作为字符串保存，直到需要方便地将它们插入，并将结果保存在二进制序列中


更新：如果遇到此问题，以下是一个实用函数，可用于暂时解决此问题：

safe-r2-char: charset [#"^(00)" - #"^(7F)"]
unsafe-r2-char: charset [#"^(80)" - #"^(FF)"]
hex-digit: charset [#"0" - #"9" #"A" - #"F" #"a" - #"f"]

r2-string-to-binary: func [
    str [string!] /string /unescape /unsafe
    /local result s e escape-rule unsafe-rule safe-rule rule
] [
    result: copy either string [{}] [#{}]
    escape-rule: [
        "^^(" s: 2 hex-digit e: ")" (
            append result debase/base copy/part s e 16
        )
    ]
    unsafe-rule: [
        s: unsafe-r2-char (
            append result to integer! first s
        )
    ]
    safe-rule: [
        s: safe-r2-char (append result first s)
    ]
    rule: compose/deep [
        any [
            (either unescape [[escape-rule |]] [])
            safe-rule
            (either unsafe [[| unsafe-rule]] [])
        ]
    ]
    unless parse/all str rule [
        print "Unsafe codepoints found in string! by r2-string-to-binary"
        print "See http://stackoverflow.com/questions/15077974/"
        print mold str
        throw "Bad codepoint found by r2-string-to-binary"
    ]
    result
]

如果你用这个而不是
来表示二进制转换，您将在Rebol2和Rebol3中获得一致的行为。（它有效地实现了
糟糕的解决方案
样式字符串）。
有一个使用字符串的解决方案！数据类型也是如此。在这种情况下不能使用UTF-8，但可以使用UTF-16解决方案，如下所示：

utf-16: "^(d800)^(dc00)"

，它使用UTF-16代理项对^（10000）代码点进行编码。通常，以下函数可以进行编码：

utf-16: func [
    code [integer!]
    /local low high
] [
    case [
        code < 0 [do make error! "invalid code"]
        code < 65536 [append copy "" to char! code]
        code < 1114112 [
            code: code - 65536
            low: code and 1023
            high: code - low / 1024
            append append copy "" to char! high + 55296 to char! low + 56320
        ]
        'else [do make error! "invalid code"]
    ]
]

utf-16:func[
代码[整数！]
/本地低-高
] [
案例[
代码<0[确实出错！“无效代码”]
代码<65536[将副本“”附加到字符！代码]
代码<1114112[
代码：代码-65536
低：代码和1023
高：代码-低/1024
将复制“”追加到字符！高+55296追加到字符！低+56320
]
'else[确实出错！“无效代码”]
]
]

utf-16: func [
    code [integer!]
    /local low high
] [
    case [
        code < 0 [do make error! "invalid code"]
        code < 65536 [append copy "" to char! code]
        code < 1114112 [
            code: code - 65536
            low: code and 1023
            high: code - low / 1024
            append append copy "" to char! high + 55296 to char! low + 56320
        ]
        'else [do make error! "invalid code"]
    ]
]