PowerShell 6.2初步实现打字带空格

环境

操作系统Win10 1909，PowerShell版本（$PSVersionTable.PSVersion.ToString()）6.2.3。$PSCulture和$PSUICulture都是ja-JP，用自带终端（这倒不重要。为了避免问题，用例都是在操作文件）。

缘由

可能因为大字报的风格影响到了弹幕（所谓Big Shita Red，底端大红字），“打　字　带　空　格”这样的玩法（起码以前）非常流行。我寻思拿PowerShell整一个玩。

TL;NR

下面的实现其实只是基于code point（码位）而言的，实际上我们更希望基于grapheme（日语那边叫書記素）操作——毕竟我们认为的“一个字”，其实表现出来就是“一个grapheme”而已。

顺便，找到一些好文章：

• Unicodeとは？ その歴史と進化、開発者向け基礎知識
• Unicodeと、C#での文字列の扱い
• 絵文字の連結と、書記素クラスター判定

总而言之，现在看来最方便的办法其实是这样的：

# .\sample.txt
# 🎢柑橘峨嵋酒🎢
#
@([System.Globalization.StringInfo]::GetTextElementEnumerator((Get-Content .\sample.txt))) -join '　' > .\b.txt
# .\b.txt
# 🎢　柑　橘　峨　嵋　酒　🎢
#

其实用System.Globalization.StringInfo就足够了。文档参见这里。

另外，最彻底的办法应该是ICU（International Components for Unicode，不是那个996哦），这边有用例。

啊，我之前大概是做了一些无用功，不过代码倒是值得一看。

代码

D:\work\util\U8ChrList.ps1

<#
U8ChrList Class
#>
class U8ChrList : System.Collections.Generic.List[string] {
    # separator
    static [string]$Separator = '　';
    # constructor
    U8ChrList([string]$s) {
        [string]$tmp = '';
        $s.ToCharArray() |
            ForEach-Object {
                if ([char]::IsHighSurrogate($_)) {
                    $tmp = [string]$_;
                } elseif ([char]::IsLowSurrogate($_)) {
                    $this.Add($tmp + [string]$_);
                } else {
                    $this.Add([string]$_);
                }
            };
    }

    # implement w/ U8ChrList object
    [string] InsertSeparator() {
        return $this.ToArray() -join [U8ChrList]::Separator;
    }

    # static implement w/o U8ChrList object
    static [string] InsertSeparator([string]$s) {
        [int]$Script:charCounter = 0;
        $matchEvl = {
            [string]$t = $args[0].Groups[0].Value;
            $Script:charCounter += 1;
            if ($Script:charCounter -eq $s.Length `
                    -or [char]::IsHighSurrogate([char]$t)) {
                return $t;
            }
            return $t + [U8ChrList]::Separator;
        };
        [string]$tmp = ([regex]'.').Replace($s, $matchEvl);
        Remove-Variable 'charCounter' -Scope 'Script';
        return $tmp;
    }

}

用例

打开pwsh终端，临时加载驱动器：

New-PSDrive -Name 'W' -PSProvider FileSystem -Root 'D:\work';

顺便cd过去：

Set-Location W:

导入模组：

Import-Module .\util\U8ChrList.ps1

顺便查看一下：

Get-Module -Name U8ChrList

ModuleType Version    Name                                ExportedCommands
---------- -------    ----                                ----------------
Script     0.0        U8ChrList

在D:\work\下，建立sample.txt，内容如下：

🎢柑橘峨嵋酒🎢

正戏（D:\work\a.txt还不存在）：

$o = New-Object U8ChrList($s)
$o -join '　' >> .\a.txt
$o.InsertSeparator() >> .\a.txt
[U8ChrList]::InsertSeparator($s) >> .\a.txt

查看一下D:\work\a.txt：

🎢　柑　橘　峨　嵋　酒　🎢
🎢　柑　橘　峨　嵋　酒　🎢
🎢　柑　橘　峨　嵋　酒　🎢

👌です！

后记

至于说为什么写得这么复杂，原因在于.NET自己没提供Utf8String之类的方法，导致遇到超过BMP范围的文字就一定要注意代理对了。

其实吧，要是用（现代的）JavaScript：

console.log([...'🎢柑橘峨嵋酒🎢'].join('　'));

输出

🎢　柑　橘　峨　嵋　酒　🎢

是不是爽多了。

以后再试着分析一下子。