Java中的4字节unicode字符答案

【问题标题】：4 byte unicode character in JavaJava中的4字节unicode字符
【发布时间】：2014-12-04 06:03:05
【问题描述】：

我正在为我的自定义 StringDatatype 编写单元测试，我需要写下 4 字节的 unicode 字符。 "\U" - 不工作（非法转义字符错误）例如：U+1F701 (0xf0 0x9f 0x9c 0x81)。怎么写成字符串？

【问题讨论】：

【解决方案1】：

Unicode 代码点不是 4 个字节；它是一个整数（目前范围从 U+0000 到 U+10FFFF）。

您的 4 个字节是（疯狂猜测）它的 UTF-8 编码版本（编辑：I was right）。

你需要这样做：

final char[] chars = Character.toChars(0x1F701);
final String s = new String(chars);
final byte[] asBytes = s.getBytes(StandardCharsets.UTF_8);

创建 Java 时，Unicode 没有定义 BMP 之外的代码点（即 U+0000 到 U+FFFF），这就是为什么 char 只有 16 位长的原因（好吧，这是只是一个猜测，但我认为我在这里并不遥远）；从那时起，它不得不适应...... BMP 之外的代码点需要两个字符（一个前导代理和一个尾随代理——Java 分别称它们为高代理和低代理）。 Java 中没有字符文字允许直接在 BMP 之外输入代码点。

鉴于 char 实际上是一个 UTF-16 代码单元，并且存在字符串文字，您可以在字符串中输入此“字符”为 "\uD83D\uDF01" -- 或者如果您的计算环境支持，则直接作为符号。

另请参阅 CharsetDecoder 和 CharsetEncoder 类。

另请参见 String.codePointCount()，以及，自 Java 8 起，String.codePoints()（继承自 CharSequence）。

【讨论】：

是的。这是 C 更聪明的少数几个方面之一。 sizeof(wchar_t) == 4 在我的机器上。
感谢 fge。你的解决方案非常适合我。
@ChristianHujer：请记住，并非所有 C 编译器都有 sizeof(wchar_t) == 4，有些有 sizeof(wchar_t) == 2。

【解决方案2】：

String s = "?";

从技术上讲，这是一个字符。但要小心s.length() 将返回 2。java 也不会编译String s = '?'。 Java 不向您保证String.length() 将返回确切的字符数，它只返回存储此字符串所需的 java-chars 数。

可从s.codePointCount(0, s.length())获取实际字符数。

【讨论】：

【解决方案3】：

jshell> String s = "?"; s ==> “?️”

jshell> s.codePointCount(0, s.length()); $5 ==> 2

【讨论】：

嗨！请拨打tour。感谢您为 Stack Overflow 做出贡献，但您能否添加关于您的代码如何解决问题的说明？查看help center 获取有关代码格式化的帮助。