关闭

code unit和code point

标签: stringcharacterweb开发jdkjava
5045人阅读 评论(2) 收藏 举报

http://www.blogjava.net/default.aspx?id=-10&cateid=3891

一个完整的Unicode字符叫代码点/CodePoint,而一个Java char 叫代码单元code unit;
string对象以UTF-16保存Unicode字符,需要用2个字符表示一个超大字符集汉字,这种表示方式为
Sruuogate,第一个字符叫Surrogate High,第二个就是Surrogate Low
判断一个char是否是Surrogate区的字符,用Character的isHighSurrogate()/isLowSurrogate()方法。
从两个Surrogate High/Low字符,返回一个完整的Unicode CodePoint用Character.toCodePoint()/codePointAt()
一个Code Point,可能需要一个也可能需要两个char表示,因此不能直接使用CharSequence.length()
方法返回一个字符串到底有多少个汉字,而需要用String.codePointCount()/Character.codePointCount()
要定位字符串中的第N个字符,不能直接将n作为偏移量,而需要从字符串头部依次遍历得到,需要
String.offsetByCodePoints()
从字符串的当前字符,找到上一个字符,不能直接用offset实现,而需要
String.codePointBefore(),或String.offsetByCodePoints()
从当前字符,找下一个字符,需要判断当前CodePoint的长度,再计算得到
String.offsetByCodePoints()

看了之后还是不太明白

String str("web开发");

int len = str.length();

System.out.println();

输出结果为5;

改为用int len = str.codePointCount(0,str.length());

输出结果同样为5

定位一个字符

用char cp = str.charAt(4);

输出为“发”;

若用int index = str.offsetByCodePoints(0,4);

       int cp = str.codePointAt(index);

输出为21457;什么意思??原来是获取字符串中指定位置的字符的UNICODE值,其值等同于(int)charAt(i)

jdk1.5中,string类新方法介绍:

http://www.javayou.com/html/diary/showlog.vm?sid=2&log_id=557

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:7983次
    • 积分:118
    • 等级:
    • 排名:千里之外
    • 原创:3篇
    • 转载:1篇
    • 译文:0篇
    • 评论:2条
    文章存档
    最新评论