9

问题描述： Mathematica "\:nnnn" 用作 unicode 输入的语法。例如，如果我们输入 "\:6c34"，我们会得到"水"（中文中的“水”）。但是，如果有人想进入"\:1f618"（面对亲吻）怎么办。当我尝试这个时，我得到了"ὡ8"，不是"a face throwing a kiss"。因此，Mathematica"\:1f61"在我输入之前进行了评估"8"。

问题： 我们怎样才能延迟这个评估，或者我们怎样才能输入任何一般的 unicode 输入（对于超过 4 个字符的十六进制）？

软件和硬件平台： 我在 Intel Mac 上运行 Mathematica 8。我尝试了 Mathematica 和 Mathematica notebook 的命令行版本，它们的行为相同。

谢谢你。

思考： Unicode 是一个可扩展的标准，它可以增长（而且它确实会增长:)）。实施本标准的软件系统可能只实施本标准的一个子集，以便有效和有用（8 位、16 位或 32 位编码）。一、作为某个软件包的用户，不应该假设一旦软件说它支持unicode，它就支持unicode的通用集。

4

2 回答 2

9

简短回答：您不能这样做，因为 Mathematica 不能正确支持这些字符。请参阅帖子末尾的一些解决方法。

只是为了澄清一些事情：

不需要32 位编码来处理超过 65000 个 Unicode 字符。用于 Unicode、UTF-8 和UTF-16的最常见编码是多字节编码，这意味着使用可变数量的字节来表示字符。UTF-16 可以使用 2 或 4 个字节来表示一个字符。Mathematica 内核会将每个 2 字节序列解释为字符串中的单个字符，有时会导致一些无效字符（当遇到 4 字节序列时）。这可能被认为是一个错误。前端对于它如何处理 4 字节序列非常喜怒无常，这绝对是一个错误。

有限的解决方法

当严格在内核中工作时（例如从文件中读取 Unicode 数据），我有时会使用这个函数作为一种解决方法来获取 2 单元（4 字节）UTF-16 序列的实际 Unicode 代码点：

toCodePoint[{a_, b_}] /; 16^^d800 <= a <= 16^^dbff && 16^^dc00 <= b <= 16^^dfff := (a - 16^^d800)*2^10 + (b - 16^^dc00) + 16^4

您可以使用

Split[ToCharacterCode[str], If[16^^d800 <= # <= 16^^dbff, True] &]

将 UTF-16 字符串正确拆分为 Unicode 字符（长度为 1 或长度为 2，具体取决于字符）。

这是一个丑陋且不方便的解决方法，它不允许您在前端显示任何这些字符，除非您也为此提出一些技巧，例如从 unicode.org 导入字形参考图像（在至少对于 CJK 他们有）。

也可以看看

请参阅我之前关于同一主题的问题： 在 Mathematica 中读取 UTF-8 编码的文本文件

If you are going to work with Chinese, you may come across this other problem too: Getting the Mathematica front end to obey the FontFamily option

于 2011-11-09T08:29:13.633 回答
5

根据Mathematica 8帮助中的这个页面：

Mathematica supports both 8- and 16-bit raw character encodings.

大概他们说他们不支持支持所需字符所需的 32 位编码。

作为进一步的证据（在文档中没有明确声明的情况下），同一页面上支持的编码列表没有 32 位编码。显然只有 MathLink 支持 32 位编码。我想没有足够的用户需求。

于 2011-11-09T01:18:44.110 回答