3

我编写了一个预约安排系统,它(除其他外)在预约到期前一天发送提醒短信。它要求用户通过对文本回复“OK”来确认他们是否出席了约会。

在人们确实回复的地方,它通常运作良好,并且减少了巨大的手动工作量。我现在正在整理一些缺陷(谢天谢地,它们很少而且影响很小),但偶尔我会看到@u{some string}. 我没有规则来解析这个,所以他们进入一个无效的响应桶进行手动跟进。

今天看到一个回复​​如下:

@u004f006b

在这个阶段我很确定@u 表示后面是 Unicode(类似于 C# 中的 \u 指示符),因此假设我得到以下信息:

U+004F => 十进制 79 => O(大写)

U+006B => 十进制 107 => k(小写)

负责的公司告诉我消息是这样发送到他们的服务器上的,所以这一定是客户端问题,对吧?我查看了我的 SMS 发送应用程序(Android 7.x 上的 ChompSMS),看不到任何将其设置为以 Unicode 和 ASCII 显式发送的内容,所以我想知道这是怎么发生的?

我从数据库中提取了 10 个以这个 Unicode 标识符开头的随机响应,并尝试编写一些东西来处理它们。以下是我对此的天真尝试:

using System;
using System.Text;

namespace CharConversion
{
    class Program
    {
        static void Main()
        {
            string[] unicodeResponses = new string[]
            {
                "@U00430061006e20190074002000620065002000610062006c006500200074006f002000620065002000740068006500720065",
                "@U004f006b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U004f004b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U00d2006b",
                "@U004f004b",
                "@U004f006b00610079002000bf00bf0020",
                "@U004f004b",
                "@U004f006b00bf00bf00bffffd"
            };

            foreach (string unicodeResponse in unicodeResponses)
            {
                string characters2 = UnicodeCodePointsToString(unicodeResponse);
                Console.WriteLine("'{0}' is '{1}' in plain text", unicodeResponse, characters2);
            }

            Console.Read();
        }

        private static string UnicodeCodePointsToString(string unicodeResponse)
        {
            string[] characterByteValues = SplitStringEveryN(unicodeResponse.Substring(2), 4);
            char[] characters = new char[characterByteValues.Length];

            for (int i = 0; i < characterByteValues.Length; i++)
            {
                int ordinal = Int32.Parse(characterByteValues[i], System.Globalization.NumberStyles.HexNumber);
                characters[i] = (char) ordinal;
            }

            return new string(characters);
        }

        private static string[] SplitStringEveryN(string input, int splitLength)
        {
            StringBuilder sb = new StringBuilder();
            for (int i = 0; i < input.Length; i++)
            {
                if (i % splitLength == 0)
                {
                    sb.Append(' ');
                }
                sb.Append(input[i]);
            }

            string[] returnValue = sb.ToString().TrimStart().Split(' ');
            return returnValue;
        }
    }
}

我的问题:

  1. 为什么会发生这种情况?

  2. 使用代码 - 我在这里有什么遗漏吗?例如,框架中是否有一些东西已经可以为我处理这个问题,或者是否有一些对 Unicode 了如指掌的人可以看到的明显缺点?有什么我可以做得更好的吗?

  3. 一些代码点仍然呈现为颠倒的问题(我怀疑这些是表情符号) - 有什么办法可以处理它们吗?

编辑 2018-04-26 给后代的说明

(我打算把它放在评论中,但不管我用它做什么,它看起来都很糟糕)

我查看了已接受答案中的链接,虽然代码比我的更简洁,但最后的输出是相同的——包括倒置的问号(以及我怀疑的字形是表情符号)。更多关于 Unicode 和 UCS2 之间差异的阅读可以在这里找到维基百科的文章也值得一读:

TL;博士

  • UCS-2 已过时并已被 UTF-16 取代 UCS-2 是固定宽度编码方案,而 UTF-16 是可变宽度编码方案
  • 支持 UTF-16 的应用程序可以读取 UCS-2 文件,但反之则不行
  • UTF-16 支持从右到左的脚本,而 UCS-2 不支持
  • UTF-16 支持规范化,而 UCS-2 不支持
4

2 回答 2

3

SMS 消息可以使用多种编码进行编码。其中包括 7 位 (GSM-7)、8 位和 16 位 (UCS2)。虽然大多数 SMS 程序以最不浪费的编码方式对消息进行编码 - 即使所有字符都属于其他编码范围,使用 16 位编码也没有什么无效的。这就是我假设你的情况会发生什么。当然,sms 消息是作为字节传输的,而不是作为u004f006b字符串传输的,所以为什么这样表示它取决于您使用的工具\与您合作的第三方。

至于你的解析代码。它假定字符串为 UTF-16(C# 字符串的内部表示),但如果上述正确,则编码为 UCS2。它与 UTF-16 非常相似,但并不完全相同。我不太有资格讨论差异,但是您可以查看例如this answer以获取有关如何使用它的一些线索。这也可能是某些字符被错误解码的原因。

于 2018-04-24T17:11:02.373 回答
-2

这是更简单的方法:

using System;
using System.Text;

namespace CharConversion
{
    class Program
    {
        static void Main()
        {
            string[] unicodeResponses = new string[]
            {
                "@U00430061006e20190074002000620065002000610062006c006500200074006f002000620065002000740068006500720065",
                "@U004f006b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U004f004b002000bf00bf",
                "@U004f006b002000bf00bf",
                "@U00d2006b",
                "@U004f004b",
                "@U004f006b00610079002000bf00bf0020",
                "@U004f004b",
                "@U004f006b00bf00bf00bffffd"
            };

            string message = "";

            foreach (string unicodeResponse in unicodeResponses)
            {
                for (int i = 2; i < unicodeResponse.Length; i += 4)
                {
                    message += (char)Int16.Parse(unicodeResponse.Substring(i, 4), System.Globalization.NumberStyles.HexNumber);
                }
            }
            Console.WriteLine(message);
            Console.Read();
        }


    }
}
于 2018-04-24T17:19:41.810 回答