使用代理对创建和使用字符串答案

【问题标题】：creating and using Strings with surrogate pairs使用代理对创建和使用字符串
【发布时间】：2013-09-04 14:05:52
【问题描述】：

我必须使用0FFFF 以上的代码点（特别是数学脚本字符），并且没有找到有关如何执行此操作的简单教程。我希望能够（a）创建具有高代码点的Strings 并（b）迭代其中的字符。由于char 无法保存这些点，我的代码如下所示：

    @Test
public void testSurrogates() throws IOException {
    // creating a string
    StringBuffer sb = new StringBuffer();
    sb.append("a");
    sb.appendCodePoint(120030);
    sb.append("b");
    String s = sb.toString();
    System.out.println("s> "+s+" "+s.length());
    // iterating over string
    int codePointCount = s.codePointCount(0, s.length());
    Assert.assertEquals(3, codePointCount);
    int charIndex = 0;
    for (int i = 0; i < codePointCount; i++) {
        int codepoint = s.codePointAt(charIndex);
        int charCount = Character.charCount(codepoint);
        System.out.println(codepoint+" "+charCount);
        charIndex += charCount;
    }
}

我觉得这要么完全正确，要么是最干净的方法。我会期望诸如codePointAfter() 之类的方法，但只有codePointBefore()。请确认这是正确的策略或提供替代策略。

更新：感谢@Jon 的确认。我为此苦苦挣扎——这里有两个需要避免的错误：

代码点没有直接索引（即没有s.getCodePoint(i)) - 您必须遍历它们
使用(char) 作为强制类型转换会截断0FFFF 以上的整数，而且不容易发现

【问题讨论】：

标签： java string unicode

【解决方案1】：

在我看来是正确的。如果要遍历字符串中的代码点，可以将此代码包装在 Iterable 中：

public static Iterable<Integer> getCodePoints(final String text) {
    return new Iterable<Integer>() {
        @Override public Iterator<Integer> iterator() {
            return new Iterator<Integer>() {
                private int nextIndex = 0;

                @Override public boolean hasNext() {
                    return nextIndex < text.length();
                }

                @Override public Integer next() {
                    if (!hasNext()) {
                        throw new NoSuchElementException();
                    }
                    int codePoint = text.codePointAt(nextIndex);
                    nextIndex += Character.charCount(codePoint);
                    return codePoint;
                }

                @Override public void remove() {
                    throw new UnsupportedOperationException();
                }
            };
        }
    };
}

当然，您也可以将方法更改为只返回int[]：

public static int[] getCodePoints(String text) {
    int[] ret = new int[text.codePointCount(0, text.length())];
    int charIndex = 0;
    for (int i = 0; i < ret.length; i++) {
        ret[i] = text.codePointAt(charIndex);
        charIndex += Character.charCount(ret[i]);
    }
    return ret;
}

我同意，遗憾的是 Java 库还没有公开这样的方法，但至少它们不是太难以编写。

【讨论】：