深入学习Java中的字符串,代码点和代码单元

在Java字符串处理时，在使用length和charAt方法时，应该格外小心，因为length返回的是UTF-16编码表示下的代码单元数量，而非我们所认为的字符的个数，charAt方法返回的是指定位置处的代码单元，而非我们所认为的字符。

至于为什么都是“代码单元”而非字符，这和Unicode字符集的增补相关，具体的参看下面的附录。

要想获得字符串中的字符的个数，应当使用aString.codePointCount(0, aString.length())；要想获得指定位置处的字符，使用aString.codePointAt(i);需要注意codePointAt的返回值，是int而非char。

枚举字符串的正确方法：

 

for (int i = 0; i < aString.length();) {
int character = aString.codePointAt(i);
if (Character.isSupplementaryCodePoint(character)) i += 2;
else ++i;
}

将codePoint转换为char[]可调用Character.toChars方法，然后可进一步转换为字符串：

Character.toChars(codePoint);

isSupplementaryCodePoint(int codePoint) 是Character类的一个boolean型方法，用来确定指定字符（Unicode 代码点）是否在增补字符范围内。

通俗的讲，增补字符集就是在基本数据类型的标准老版本基础上升级之后产生的新字符.增补字符使char变的复杂但功能更强大。特别是东南亚市场的商业需求。

如果你使用的Unicode2.0版本，中国的GB18030就属于其增补字符集。

i+=2意味着占2个字节。