C＃のストリームから単一のUTF8文字を読み取る

Question

ストリームまたはBinaryReaderから次のUTF8文字を読み取ろうとしています。動作しないもの：

BinaryReader :: ReadChar - これは3バイトまたは4バイトの文字にスローされます。 2バイト構造を返すので、選択肢はありません。

BinaryReader :: ReadChars - 1文字を読み込むように要求した場合、3バイトまたは4バイトの文字が検出されると、これがスローされます。複数の文字を読むには、1文字以上を読むようにしてください。

StreamReader :: Read - これは、読み込むバイト数を知る必要がありますが、UTF8文字のバイト数は可変です。

私はそれが動作するように思われているコード：明らか

private char[] ReadUTF8Char(Stream s) 
    { 
     byte[] bytes = new byte[4]; 
     var enc = new UTF8Encoding(false, true); 
     if (1 != s.Read(bytes, 0, 1)) 
      return null; 
     if (bytes[0] <= 0x7F) //Single byte character 
     { 
      return enc.GetChars(bytes, 0, 1); 
     } 
     else 
     { 
      var remainingBytes = 
       ((bytes[0] & 240) == 240) ? 3 : (
       ((bytes[0] & 224) == 224) ? 2 : (
       ((bytes[0] & 192) == 192) ? 1 : -1 
      )); 
      if (remainingBytes == -1) 
       return null; 
      s.Read(bytes, 1, remainingBytes); 
      return enc.GetChars(bytes, 0, remainingBytes + 1); 
     } 
    } 

が、これは混乱のビット、およびUTF8に多少固有のものです。この問題に対して、より洗練された、カスタマイズされていない、読みやすいソリューションがありますか？

Answer 1

私はこの質問が少し古いことを知っていますが、ここで別の解決策です。私が好むOPソリューションと同じくらいパフォーマンスは良くありませんが、utf8エンコーディングの内部構造を知らなくても組み込みutf8機能しか使用していません。

private static char ReadUTF8Char(Stream s) 
{ 
    if (s.Position >= s.Length) 
     throw new Exception("Error: Read beyond EOF"); 

    using (BinaryReader reader = new BinaryReader(s, Encoding.Unicode, true)) 
    { 
     int numRead = Math.Min(4, (int)(s.Length - s.Position)); 
     byte[] bytes = reader.ReadBytes(numRead); 
     char[] chars = Encoding.UTF8.GetChars(bytes); 

     if (chars.Length == 0) 
      throw new Exception("Error: Invalid UTF8 char"); 

     int charLen = Encoding.UTF8.GetByteCount(new char[] { chars[0] }); 

     s.Position += (charLen - numRead); 

     return chars[0]; 
    } 
} 

BinaryReaderのコンストラクタに渡されるエンコーディングは重要ではありません。ストリームを開いたままにするには、このバージョンのコンストラクタを使用しなければなりませんでした。すでにバイナリリーダーをお持ちの場合はこれを使用することができます。

private static char ReadUTF8Char(BinaryReader reader) 
{ 
    var s = reader.BaseStream; 

    if (s.Position >= s.Length) 
     throw new Exception("Error: Read beyond EOF"); 

    int numRead = Math.Min(4, (int)(s.Length - s.Position)); 
    byte[] bytes = reader.ReadBytes(numRead); 
    char[] chars = Encoding.UTF8.GetChars(bytes); 

    if (chars.Length == 0) 
     throw new Exception("Error: Invalid UTF8 char"); 

    int charLen = Encoding.UTF8.GetByteCount(new char[] { chars[0] }); 

    s.Position += (charLen - numRead); 

    return chars[0]; 
}