将代码点与 Java 字符进行比较的“正确”方式是什么？例如：
int codepoint = String.codePointAt(0);
char token = '\n';
我知道我可能可以做到：
if (codepoint==(int) token)
{ ... }
但是这段代码看起来很脆弱。是否有正式的 API 方法来比较 codepoints 和 chars，或者将 char 转换为 codepoint 进行比较？
【问题讨论】：
Character 类包含许多用于处理 Unicode 代码点的有用方法。请注意像 Character.toChars(int) 这样返回字符数组的方法。如果您的代码点位于补充范围内，则该数组的长度为两个字符。
您希望如何比较这些值取决于您是否希望支持所有 Unicode 值。此示例代码可用于遍历字符串的代码点，测试是否有匹配补充字符 MATHEMATICAL_FRAKTUR_CAPITAL_G (? - U+1D50A)：
public final class CodePointIterator {
private final String sequence;
private int index = 0;
public CodePointIterator(String sequence) {
this.sequence = sequence;
}
public boolean hasNext() {
return index < sequence.length();
}
public int next() {
int codePoint = sequence.codePointAt(index);
index += Character.charCount(codePoint);
return codePoint;
}
public static void main(String[] args) {
String sample = "A" + "\uD835\uDD0A" + "B" + "C";
int match = 0x1D50A;
CodePointIterator pointIterator = new CodePointIterator(sample);
while (pointIterator.hasNext()) {
System.out.println(match == pointIterator.next());
}
}
}
对于 Java 8 及以上版本，可以使用 CharSequence.codePoints()：
public static void main(String[] args) {
String sample = "A" + "\uD835\uDD0A" + "B" + "C";
int match = 0x1D50A;
sample.codePoints()
.forEach(cp -> System.out.println(cp == match));
}
我创建了一个table 来帮助处理有时需要处理的 Unicode 字符串长度和比较情况。
【讨论】：
next() 的主体可以写成int codePoint = sequence.codePointAt(index); index += Character.charCount(codePoint); return codePoint; ，这样读起来会更好，效率也更高。
一点背景知识：Java 在 1995 年出现时，char 类型是基于最初的“Unicode 88”规范，限制为 16 位。一年后，当 Unicode 2.0 实施时，引入了代理字符的概念，超越了 16 位的限制。
Java 在内部以 UTF-16 格式表示所有 Strings。对于超过 U+FFFF 的代码点，代码点由代理对表示，即两个 chars，第一个是高代理代码单元（在 \uD800-\uDBFF 范围内），第二个是低代理代码单元（在 \uDC00-\uDFFF 范围内）。
从早期开始，所有基本的Character 方法都基于一个代码点可以用一个char 表示的假设，所以这就是方法签名的样子。我猜想是为了保留在 Unicode 2.0 出现时没有改变的向后兼容性，并且在处理它们时需要小心。引用Java documentation：
将char 转换为int，就像您在示例中所做的那样，但效果很好。
【讨论】：
对于可以由单个 char（16 位，基本多语言平面）表示的字符，您只需将 char 转换为整数即可获得代码点（如问题所示），因此无需特殊方法来执行转换。
如果您将字符与代码点进行比较，则不需要任何特殊的大小写。只需将 char 直接与 int 进行比较（如问题所示）。如果 int 表示基本多语言平面之外的代码点，则结果将始终为 false。
【讨论】：
Java 使用 16 位 (UTF-16) 模型来处理字符，因此任何代码点 > 0xFFFF 的字符都使用两个 surrogate 作为 16 位字符的 对 存储在字符串中字符来表示平面和平面内的字符。
如果您想根据完整的 Unicode 标准正确处理字符和字符串，则需要考虑到这一点来处理字符串。
XML 非常关心这一点；访问 Xerces（Java 5.0 及更高版本附带）中的 XMLChar 类以获取与字符相关的代码很有用。
看看Saxon XSLT/XQuery 处理器也很有启发意义，因为它是一个表现良好的 XML 应用程序，它必须考虑 Java 如何将代码点存储在字符串中。 XQuery 1.0 和 XPath 2.0 具有 codepoints-to-string 和 string-to-codepoints 的函数；获取 Saxon 的副本并与他们一起玩，看看他们是如何工作的，这可能是有益的。
【讨论】：
对于基本多语言平面中的字符，将 char 转换为 int 可以获得代码点。这对应于可以在单个 16 位 char 值中编码的所有 unicode 值。此平面之外的值（代码点超过 0xffff）不能表示为单个字符。这可能就是没有 Character.toCodePoint(char value) 的原因。
【讨论】：