将 unicode 字符串与组合/相关字符拆分在一起

Question

假设我有一个像“সাজানো”这样的孟加拉语字符串。我需要将其拆分为“সা”“জা”“নো”。我尝试过 ToCharArray() 方法，但是它会将以下字符串拆分为 'স'、'া'、'জ'、'া'、'ন'、'ো'。

所以问题是我想将一个字符串拆分为另一个字符串数组，其中包含组合/依赖的字符。像“সা”应该与“সাজানো”分开，而不是像“স”和“া”这样的单个字符。

Answer 1

这也有效：

string text = "সাজানো";
var textCharArray = text.ToCharArray();
var tokens = new List<string>();

for (int i = 0; i < textCharArray.Length; i++)
{
    char c = textCharArray[i];
    if (char.GetUnicodeCategory(c) == System.Globalization.UnicodeCategory.SpacingCombiningMark)
    {
        string token = $"{tokens.Last()}{c}";
        tokens.RemoveAt(tokens.Count() - 1);
        tokens.Add(token);
    }
    else
    {
        tokens.Add($"{c}");
    }
}

foreach (string token in tokens) 
    Console.WriteLine(token);

代码有点草率。来晚了。

如果您正在使用这些代理，您也可以测试它们。

Answer 2

试试这个：

string[] SplitString(string S)
{
    return S.Split('া');
}

private void button1_Click(object sender, EventArgs e)
{
    string B = "সাজানো";
    var vv = SplitString(B);
    foreach (var item in vv)
    {
        MessageBox.Show(item.ToString());
    }
}