我不可能理解所描述的字符串搜索方法。什么是 uFFFF？答案

【问题标题】：Impossible for me to understand a method of string search as described. What is uFFFF?我不可能理解所描述的字符串搜索方法。什么是 uFFFF？
【发布时间】：2012-02-20 14:47:17
【问题描述】：

我正在阅读有关在已排序的字符串数组中搜索（范围）字符串的内容。

上面写着：

如果要查找所有以“h”开头的字符串，可以运行对字符串“h”和“h\uFFFF”进行二进制搜索。这给了所有所有以“h”开头的键的波段索引。请注意，一个二进制搜索可以返回字符串所在的索引，即使它实际上不在数组中。

我不明白这一段的任何内容。

什么是h\uFFFF 它如何帮助/在二分搜索中使用，最后一句话是否也意味着即使这个搜索也是错误的？

请帮助理解这里所说的内容？

【问题讨论】：

\uFFFF 是 unicode 字符的最大值，不用作可打印字符
'\uFFFF' 是代码点 U+FFFF 的转义序列，the stanard 保证它不是字符。在您正在阅读的其他地方是否定义了它的某些特殊用途？
@Sam Dehaan: "\uFFFF 是 unicode 字符的最大值"...自从 Unicode 3.1 以来，有超过 65 536 个代码点和一个 Java char 不足以表示新的代码点。例如，Unicode 字符“MUSICAL SYMBOL G CLEF”的 Unicode 代码点为 0x0001D11E（远大于 0xFFFF），需要两个 Java char 来表示：“\uD8334\uDD1E”。这个 SNAFU 源于 Java（以及它的 char 原始类型）是在 Unicode 3.1 出现之前定义的。总之：不，\uFFFF 绝对是 NOT Unicode 代码点的最大值。

标签： java string performance algorithm binary-search

【解决方案1】：

\uFFFF 是在 16 位“字母”中排在最后的“字符”，即在任何有效的字母、字符或特殊符号之后。

当您在排序数组中对字符串进行二进制搜索时，您会找到可以插入该字符串的位置。当您有多个相同的字符串时，您会在第一个字符串之前获得一个位置。当您在字符串后面附加“字母表的最后一个字母”时，插入点将位于相同字符串的最后一个之后，从而在排序数组中为您提供一系列相同的字符串。

想象一下：假设你的文字中不允许使用字母Z。现在你有一个排序的字符串数组：

0   1   2   3   4   5   6
aab abb abc abc abd bcx bdy

如果您搜索abc，二分搜索会告诉您可以插入它的第一个位置，即 2。如果您搜索 abcZ，但是，二分搜索将返回 4，因为 abcZ 按字母顺序排列在abc 之后。这让您知道字符串 abc 占用了 2（包括）和 4（不包括）之间的范围。如果两次搜索都返回相同的数字，则表明该字符串不存在于数组中。

在您引用的段落中，\uFFFF 在我的示例中扮演“禁止字母 Z”的角色。

【讨论】：

我认为你的例子不正确。你有 abc{2} 是 root 的右孩子，而且你有 abc{3} 是 aab {root 的左孙}
在二分搜索中，左孩子是2*i+1，右孩子是2*i+2。这就是我的意思。我更正了我的评论
@user384706 我认为您误解了我的示例：那里没有根 - 实际上，没有任何层次结构。它只是一个简单的字符串数组，按字母升序排序。
@user384706 我想你说的是binary heap，而不是binary search。二分查找将一个数组分成两半，检查值，并决定是继续向当前中点的左侧还是右侧搜索，找到结果时继续，或者知道值不存在时继续。
你是对的。但是如果abc已经在数组中，为什么搜索会返回2？它不应该返回3吗？它搜索abc并进入中间即3，它就在那里

【解决方案2】：

\uFFFF 是 Java 中可能的最大字符。由于字符串已排序，搜索h 将找到范围的开头，而h\uFFFF 将找到结尾（假设此处为unicode 字符串），因为第二个字符不能大于\uFFFF。即使它不能完全匹配字符串，搜索也会返回目标 所在位置的索引，即使它实际上并不存在。

更新：\uFFFF 是 16 位块中最大可能的可排序 unicode 字符，如果您使用 32 位块，请使用 U+10FFFF（无论在 Java 中是什么）。我个人从未在 Java 中使用过 32 位 unicode 块。请参阅the 5.2.0 spec 的第 16.7 节。

U+FFFF 和 U+10FFFF。这两个非字符代码点具有与最大代码单元值相关联的属性特定的 Unicode 编码形式。 在 UTF-16 中，U+FFFF 是关联的具有最大的 16 位代码单元值 FFFF 。 U+10FFFF 是与最大的合法 UTF-32 32 位代码单元值相关联， 10FFFF 。此属性呈现这两个非字符代码点作为哨兵用于内部目的。 例如，它们可能是用于指示列表的结尾，表示索引中的值保证高于任何有效字符值，以此类推

【讨论】：

所以这个符号\uFFFF 可以帮助您在String 中传递一个十六进制字符？
这取决于语言，但它“意味着”被称为“FFFF”的 unicaode 字符。 SOftof 喜欢 ASCII 0xFF...
看我的最后一句话理解摘录的最后一句话。
@AndrewWhite：再一次； ) "\uFFFF" 是最大可能的 unicode 字符"... 一点也不。这是完全错误的。最新版本的 Unicode 定义了大约 109 000 个字符。而且，尽管普遍认为，Java char 绝对 NOT 足以表示 Unicode 字符。基本多语言平面中有 65 536 个代码点，但自 Unicode 3.1 以来，已添加了额外的平面添加。在 Java 中，您需要两个 char 来对 BMP 之外的字符进行编码，例如：*“\uD834\uDD1E”（Unicode 代码点 0x0001D11E，远高于 0xFFFF）。
@Andrew White：你一直忽略这一点，而不是承认你的错误并编辑你的问题，你试图改变我所说的。但是 facts 仍然存在（这是事实的有趣之处，您不能与它们争论；）您写道：“\uFFFF 是最大可能的 unicode 字符”，其中是公然错误的。所以，基本上安德鲁，你在这里告诉任何人 0x1D11E 小于 0xFFFF？所以，为了让大家明白，你坚持你的两个断言：“uFFFF 是最大可能的 Unicode 字符” 和 “0x1DD11E 不高于 0xFFFF”？跨度>

【解决方案3】：

Java 中的\uFFFF 序列表示具有Unicode 代码点U+FFFF 的字符。但是，代码点根本不编码字符：

U+FFFF 用于表示保证不是字符的数值，用于索引末尾的最终值等用途。

请参阅以下参考资料：Unicode Technical Report #16、this Unicode character chart 和 this character definition。

【讨论】：

【解决方案4】：

正如其他答案所指定的，搜索h 将找到以h 开头的字符串范围的开头，而h\uFFFF 将找到以h 开头的字符串范围的结尾（不包括）在您的数据集中。

最后一句话的意思是搜索h\uFFFF 会告诉你在哪里插入这样一个字符串，如果它在你的数据中不存在，这就是为什么它给你你的范围的唯一结束。

【讨论】：