C#中含Emoji的字符串出现次数统计问题求助

原代码的核心问题在于：C#字符串采用UTF-16编码，许多Emoji（如😀、👨🏾）由多个char组成（代理对或字符组合序列），按单个char遍历会将一个视觉上的完整Emoji拆分成多个独立元素统计，同时Replace操作会破坏Emoji的编码结构，导致统计完全失效。

正确实现方案 #

使用.NET提供的StringInfo.GetTextElementEnumerator遍历字符串中的视觉字符（Grapheme Cluster）——这是用户视觉感知到的单个字符单元，包含所有类型的Unicode字符（包括单码点字符、Emoji、带修饰的组合Emoji等），以此为单位统计出现次数：

完整代码示例 #

// 假设CountClass的定义如下
public class CountClass
{
    public string Category { get; set; }
    public int Count { get; set; }
}

private List<CountClass> CountCharacterOccurences(string theText)
{
    var graphemeCounts = new Dictionary<string, int>();
    var enumerator = StringInfo.GetTextElementEnumerator(theText);

    // 遍历所有视觉字符
    while (enumerator.MoveNext())
    {
        string currentGrapheme = enumerator.GetTextElement();
        
        if (graphemeCounts.ContainsKey(currentGrapheme))
        {
            graphemeCounts[currentGrapheme]++;
        }
        else
        {
            graphemeCounts[currentGrapheme] = 1;
        }
    }

    // 转换成需求的List<CountClass>格式
    return graphemeCounts
        .Select(kvp => new CountClass { Category = kvp.Key, Count = kvp.Value })
        .ToList();
}

方案优势 #

1. 准确性：完整识别所有视觉字符，不会拆分Emoji或其他Unicode组合序列。
2. 效率：避免原代码中反复调用Replace产生大量临时字符串的性能损耗。
3. 通用性：支持所有Unicode标准定义的字符类型，包括特殊符号、多语言字符、Emoji组合序列等。

内容的提问来源于stack exchange，提问作者Beb