使用delphi 2010替换UTF-8文件中的unicode字符答案

【问题标题】：Replacing a unicode character in UTF-8 file using delphi 2010使用delphi 2010替换UTF-8文件中的unicode字符
【发布时间】：2012-12-13 21:38:27
【问题描述】：

我正在尝试用字符（十进制值 65）替换 UTF-8 文件中的字符（十进制值 197）

我可以加载文件并将其放入字符串中（但可能不需要这样做）

SS := TStringStream.Create(ParamStr1, TEncoding.UTF8);
SS.LoadFromFile(ParamStr1);
//S:= SS.DataString;
//ShowMessage(S);

但是，如何将所有 197 替换为 65，并将其另存为 UTF-8？

 SS.SaveToFile(ParamStr2);
 SS.Free;

------------- 编辑----------------

reader:= TStreamReader.Create(ParamStr1, TEncoding.UTF8);
 writer:= TStreamWriter.Create(ParamStr2, False, TEncoding.UTF8);

 while not Reader.EndOfStream do
 begin
  S:= reader.ReadLine;
  for I:= 1 to Length(S)  do
  begin
   if Ord(S[I]) = 350 then
   begin
    Delete(S,I,1);
    Insert('A',S,I);
   end;
  end;
  writer.Write(S + #13#10);
 end;

 writer.Free;
 reader.Free;

【问题讨论】：

UTF-8 是一个字节长度，因此除非是代理对，否则不可能有十进制值 300，在这种情况下，最好讨论代表字符的代码点或单个字节。无论如何，您要完成什么，因为它可能与您的other question 有关
这些都没有任何意义。这个问题或您的其他问题。您在问什么是XY question。我敦促你告诉我们背后的故事。说出根本问题。让我们提出一个解决方案。您提出的解决方案听起来很弱。
普通的旧 StringReplace 有什么问题？
转成字符串，也就是UTF16，使用StringReplace，然后再保存为UTF8或者ASCII。
@JakeSnake：字节八位字节序列 C5 9E（dec 197 158）是 UTF-8 编码的 Ş Unicode 字符，而不是 Å 字符。如果您只是将C5 替换为41（12 月65 日），但不理会9E，则将Ş 转换为无效的UTF-8 序列。我怀疑那是你真正想要的。如果你想用41替换C5 9E，你必须解码UTF-8数据，然后你可以使用StringReplace()将Ş字符替换为A字符，然后将结果编码回UTF -8.

标签： delphi delphi-2010

【解决方案1】：

十进制197 是十六进制C5，十进制65 是十六进制41。

C5 本身不是有效的 UTF-8 八位字节，但 41 是。所以我不得不假设你实际上指的是Unicode代码点U+00C5 LATIN CAPITAL LETTER A WITH RING ABOVE和U+0041 LATIN CAPITAL LETTER A。

U+00C5 以 UTF-8 编码为C3 85，U+0041 编码为41。要执行您的要求，您必须解码 UTF-8，替换代码点，然后重新编码回 UTF-8。 StringReplace() 可以正常工作，例如：

SS := TStringStream.Create('', TEncoding.UTF8);
SS.LoadFromFile(ParamStr1);

S := StringReplace(SS.DataString, 'Å', 'A', [rfReplaceAll]);

SS2 := TStringStream.Create(S, TEncoding.UTF8);
SS2.SaveToFile(ParamStr2);

SS2.Free;
SS.Free;

或者：

reader := TStreamReader.Create(ParamStr1, TEncoding.UTF8);
writer := TStreamWriter.Create(ParamStr2, False, TEncoding.UTF8);

while not Reader.EndOfStream do
begin
  S := reader.ReadLine;
  S := StringReplace(S, 'Å', 'A', [rfReplaceAll]);
  writer.WriteLine(S);
end;

writer.Free;
reader.Free;

更新： 基于其他 cmets，看起来您实际上对 Unicode 代码点 U+00C5 LATIN CAPITAL LETTER A WITH RING ABOVE 并不感兴趣，而是对 U+015E LATIN CAPITAL LETTER S WITH CEDILLA 感兴趣，它以 UTF-8 编码为 @987654338 @。如果是这样，那么在解码 UTF-8 数据后调用 StringReplace() 时，只需将 Å 替换为 Ş：

S := StringReplace(S, 'Ş', 'A', [rfReplaceAll]);

【讨论】：

杰克指的是U+015E