JAVA String方法中public int indexOf(int ch)问题

在JAVA中返回一个字符在字符串的位置首次出现的位置时候,String 给我们提供几个有效的API。

<span style="font-family:SimSun;font-size:18px;"> int indexOf(int ch) 
      //返回指定字符在此字符串中第一次出现处的索引。
 int indexOf(int ch, int fromIndex) 
      //返回在此字符串中第一次出现指定字符处的索引，从指定的索引开始搜索。
 int indexOf(String str) 
      //返回指定子字符串在此字符串中第一次出现处的索引。
 int indexOf(String str, int fromIndex) 
      //返回指定子字符串在此字符串中第一次出现处的索引，从指定的索引开始。</span>

举个例子：

<span style="font-family:SimSun;font-size:18px;">class Demo1
{
	public static void main(String[] args){
		System.out.println("hello world".indexOf('l'));
		//返回值为2
		System.out.println("hello world".indexOf('o',5));
		//返回值为7
	}
}</span><span style="font-family:SimSun;font-size:24px;">	</span>

我们总是很习以为常的取用这个函数，传入一个字符去寻找这个字符首次出现的位置，但是我们仔细的看下JDK的函数声明public int indexOf(int ch)，请注意这里的函数的局部参数是数据类型是int，而不是我们认为是char，在JAVA中int类型定义为4个字节，而char类型定义为2个字节，虽然我们可以将char 自动转换为int，但是JDK为什么不直接声明为public int indexOf(char ch)，这就是我们今天要讨论的问题。

  首先JAVA使用的Unicode编码长度是是4个字节，也就是说一个int大小为是可以容纳一个Unicode的编码的长度的。Unicode的编码中第一字节称为组，第二字节称为面，第三字节称为行，第四字节称为点。第0组第0面里的字符可以只用2个字节表示，且涵盖了绝大部分的常用字。为了方便称呼，Unicode给它了一个名称——基本多文种平面（BMP  Basic Multilingual Plane）。基本多文种平面值域和上域都是0到FFFF，共计65535个码点。并且ASCII中有的字符Unicode中都有，并且对应相同的编码数字，并不是我们简单的认为Unicode编码一个char就可以存下数据。

我们看下String的indexOf(int ch)的源代码:

<span style="font-family:SimSun;font-size:18px;">   public int indexOf(int ch, int fromIndex) {
        final int max = value.length;
        if (fromIndex < 0) {
            fromIndex = 0;
        } else if (fromIndex >= max) {
            // Note: fromIndex might be near -1>>>1.
            return -1;
        }

        if (ch < Character.MIN_SUPPLEMENTARY_CODE_POINT) {
            // handle most cases here (ch is a BMP code point or a
            // negative value (invalid code point))
            final char[] value = this.value;
            for (int i = fromIndex; i < max; i++) {
                if (value[i] == ch) {
                    return i;
                }
            }
            return -1;
        } else {
            return indexOfSupplementary(ch, fromIndex);
        }
    }</span>

@param   ch character (Unicode code point)  参数ch 是一个Unicode的代码点

什么是代码点？代码点 Code Point：与一个Unicode编码表中的某个字符对应的代码值。Java中用char来表示Unicode字符，由于刚开始Unicode最多使用16bit表示。因此char能够表示全部的Unicode字符。后来由于Unicode4.0规定Unicode支持的字符远远超过65536个字符。因此char现在不能表示所有的unicode字符。仅仅能表示0x000000到0x00FFFF(00 代表的就是拉丁文及其符号)之间的字符。也就是说，char不能表示增补字符。

Java中用int表示所有Unicode代码点。int的21个低位（最低有效位）用于表示Unicode代码点，并且11个高位（最高有效位）必须为零。也就是说，int能表示出char不能表示的增补字符。我们还可以看到,indexOf()有一个if{}else{}语句当超过Unicode的代码补充范围时候,就会调用indexOfSupplementartary()方法。他是处理超过范围的问题的。这里其实我们就可以记住indexOf(int ch)其实是传入的Unicode的代码点，不是传入的真正的字符，而且Java中的代码点是用32为数据表示的,因次是用int而不是char