C#中检测字符串内不可显示字符的方法咨询

我完全懂你的困扰——单纯靠码位是否超过255来判断实在太粗糙了，像希腊语、西里尔语这类高码位明明能正常显示的字符，反而会被误判成“不可显示”。下面给你分享两种针对性的解决方案，分别适配Visual Studio自身的显示检测，以及更通用的浏览器场景。

一、针对Visual Studio的显示检测 #

VS文本编辑器能不能显示一个字符，核心看两个维度：一是字符的Unicode类别，二是系统字体是否支持该字符的字形。其中Unicode类别是最容易通过代码准确判断的，以下几类字符几乎肯定无法在VS里正常显示：

• 控制字符（比如ASCII里的换行、退格这类不可见控制码）
• Unicode私有使用区（PUA）字符（这类字符没有统一标准字形，通常显示为方块占位符，就是你示例里的、这类）
• 代理对（Surrogate）字符（属于未定义的Unicode编码段）
• 未分配的Unicode字符

你可以用char.GetUnicodeCategory()方法来判断字符所属类别，代码示例如下：

bool ContainsUnDisplayableForVS(string input)
{
    return input.Any(c => 
    {
        var category = char.GetUnicodeCategory(c);
        return category == UnicodeCategory.Control ||
               category == UnicodeCategory.PrivateUse ||
               category == UnicodeCategory.Surrogate ||
               category == UnicodeCategory.OtherNotAssigned;
    });
}

这个方法能精准命中你示例里的异常字符，同时不会误判希腊语、西里尔语这类合法可显示的高码位字符。

二、针对浏览器的显示检测 #

浏览器的显示逻辑和VS类似，但不同浏览器对部分符号的支持略有差异。不过通用的判断逻辑还是基于Unicode类别，只需要排除那些属于“图形字符”的类别（比如字母、数字、标点、数学符号、货币符号等）。

你可以调整判断逻辑，只保留真正不可显示的类别：

bool ContainsUnDisplayableForBrowser(string input)
{
    return input.Any(c => 
    {
        var category = char.GetUnicodeCategory(c);
        // 排除所有图形字符类别，只保留不可显示的类型
        return category == UnicodeCategory.Control ||
               category == UnicodeCategory.PrivateUse ||
               category == UnicodeCategory.Surrogate ||
               category == UnicodeCategory.OtherNotAssigned ||
               category == UnicodeCategory.Format; // 格式字符，比如零宽空格这类不可见字符
    });
}

注：格式字符（比如零宽空格）虽然不可见，但有时候是业务需要的，你可以根据实际需求决定是否包含这类。

三、替换你现有问题代码 #

你之前写的input.Any(c => !char.IsLetterOrDigit(c) && c > 255)存在两个明显问题：

1. 误判非字母数字但可显示的字符（比如中文标点、数学符号）
2. 漏掉了ASCII范围内的不可显示控制字符（比如\t、\n以外的控制码）

用上面基于Unicode类别的方法替换后，就能完美解决这两个问题。

如果你的场景需要更极致的精度（比如检测字体是否真的支持该字符），那就要调用系统级API来检查字体字形，但这种方案复杂度高，且跨平台兼容性差。对于大多数业务场景，基于Unicode类别的检测已经足够实用。

内容的提问来源于stack exchange，提问作者Alex de Jong