列舉Windows作業系統下的造字檔內的所有文字（粗略版）

這一兩天都在碰有關於Big5的使用者造字檔（EUDC；End User Defined Characters），將已經研究完成的相關知識透過一個小專案將其記錄在此，以免日後遺忘。

這隻程式碼我是用網頁的角度來寫，所以有些方法名稱如果覺得很詭異，那請自己在腦海中轉化一下吧。共計有下列重點：

  1. 列舉EUDC中的BIG5編碼。（16進制；2 Bytes）
  2. 將EUDC字元以Unicode。（UTF-16；資料庫中的NVarChar）的角度來看，所代表的數值（10進制）
  3. 將EUDC字元輸出。（當然，作業系統端一定要安裝造字檔案才看的到）

廢話不多說，直接上程式碼吧。

public void Page_Load(object sender, EventArgs e)
{
  //Big5 EUDC範圍列表
  string[] aryEUDC = new string[]
  {
    "FA40", "FEFE",
    "8E40", "A0FE",
    "8140", "8DFE",
    "C6A1", "C8FE",
  };

  //定義相關變數
  System.Text.StringBuilder oSB = new System.Text.StringBuilder();
  //定義委派函式
  System.Func<int, int, int> funcFormula = null;
  System.Func<(int H, int L, int V), System.Func<int, int, int>, int> MappingCode = (d, f) => { return f(d.H, d.L); };

  for (int i = 0; i < aryEUDC.Length; i += 2)
  {
    //定義要尋訪的造字區間
    var oCodeStart = String2RealByte(aryEUDC[i]);
    var oCodeEnd = String2RealByte(aryEUDC[i+1]);
    //設定要執行的函式
    switch (oCodeStart.iHigh.ToString("X"))
    {
      case "81":
        funcFormula = (iHigh, iLow) => { return 0xEEB8 + (157 * (iHigh - 0x81)) + ((iLow < 0x80) ? (iLow - 0x40) : (iLow - 0x62)); }; break;
      case "8E":
        funcFormula = (iHigh, iLow) => { return 0xE311 + (157 * (iHigh - 0x8e)) + ((iLow < 0x80) ? (iLow - 0x40) : (iLow - 0x62)); }; break;
      case "C6":
        funcFormula = (iHigh, iLow) => { return 0xF672 + (157 * (iHigh - 0xc6)) + ((iLow < 0x80) ? (iLow - 0x40) : (iLow - 0x62)); }; break;
      case "FA":
        funcFormula = (iHigh, iLow) => { return 0xE000 + (157 * (iHigh - 0xfa)) + ((iLow < 0x80) ? (iLow - 0x40) : (iLow - 0x62)); }; break;
    }
    //列印區間標示
    oSB.Append($"－－－{oCodeStart.iValue.ToString("X")}～{oCodeEnd.iValue.ToString("X")}－－－\r\n");
    //依照指定的範圍尋訪
    for (int j = oCodeStart.iValue; j <= oCodeEnd.iValue; j++)
    {
      int iTemp = MappingCode(oCodeStart, funcFormula);
      /* Sample: FA40    57344    ☆ */
      oSB.Append($"{oCodeStart.iValue.ToString("X")}\t{iTemp}\t{System.Convert.ToChar(iTemp)}\r\n");
      oCodeStart = String2RealByte((j + 1).ToString("X"));
    }
  }
  //輸出字串
  uMessage.Text = oSB.ToString();
}

//將16進制的文字，轉換成真實地Byte
private (int iHigh, int iLow, int iValue) String2RealByte(string cTemp)
{
  return (
    iHigh:  System.Int32.Parse(cTemp.Substring(0, 2), System.Globalization.NumberStyles.HexNumber),
    iLow:   System.Int32.Parse(cTemp.Substring(2, 2), System.Globalization.NumberStyles.HexNumber),
    iValue: System.Int32.Parse(cTemp,                 System.Globalization.NumberStyles.HexNumber)
  );
}

輸出會長得像下列：

－－－FA40～FEFE－－－
FA40  57344  
FA41  57345  
FA42  57346  
FA43  57347  
FA44  57348  
FA45  57349  
...

其實該知道的知識都寫在註解中了，所以就不再贅述。值得一提的是，這裡有運用到委派的架構，將要計算的方法踢給外函式去實作，如果有興趣的可以特別注意一下。

知識補充

如果仔細觀察Windows內建的造字程式，就可以發現我上面列舉的區段（例如：FA40～FEFE）中，有很多並不是連續的區塊，以推論若將FEFE減去FA40，可以得到1215個造字空間，可是BIG-5時期規範FA40～FEFE的可使用造字空間只有785個，由這個推論也可以證明區塊是有被刪減的，因此上面把FA40～FEFE整個區段丟進去迴圈幫忙跑，其實並不切實際（會跑出很多位於不合法造字區段的代碼，例如：根本沒有FA87這個造字編碼）。

雖然有上述的問題，但這依然不會造成轉換失效的問題，因為在委派funcFormula中，這個問題已經被修正掉了。以下簡單列出FA40～FEFE整個區段內合法的編碼，應該可以看出一定的規律性。

FA40-FA7E｜63　　FAA1-FAFE｜94
FB40-FB7E｜63　　FBA1-FBFE｜94
FC40-FC7E｜63　　FCA1-FCFE｜94
FD40-FD7E｜63　　FDA1-FDFE｜94
FE40-FE7E｜63　　FEA1-FEFE｜94
－－－－－
合計：785個字

因研究時當下並沒有需要詳細的考慮連續區間的非連續問題，因此不存在的造字編碼仍然有可能會被列舉出來，只是在委派時會被公式強制修正，也因此造成列舉時出現造字的重複性，日後若有需要的時候再來寫更精確的列舉版本吧。

相關參考

BIG5 EUDC CharactersList