Java字符串码点与代码单元，offsetByCodePoints与codePointAt方法总结

最新推荐文章于 2021-07-30 15:05:11 发布

NICEcold

最新推荐文章于 2021-07-30 15:05:11 发布

阅读量897

点赞数 6

分类专栏： Java 文章标签： java 字符串

本文链接：https://blog.csdn.net/qq_41286138/article/details/104413710

版权

14 篇文章 0 订阅

订阅专栏

首先在java字符串中，大多数字符由一个代码单元表示，而辅助字符则需要一对代码单元表示，一个代码单元即16位。码点代表一个字符对应的值。

String类的length()方法返回的并不能代表字符串中字符的数量，而是代码单元的数量。在有辅助字符时两者是不一致的。
String str=“𝕆𝕆”;

int n=str.length(); // n=4

原因在于字符𝕆（U+1D546)需要两个代码单元\uD835和\uDD46

要想得到实际的字符长度，即码点数量，可以调用：

int cpCount=str.codePointCount(0,str.length()); // 2

该方法的第一个参数是起始下标，第二个是偏移量，该下标是与代码单元数量对应的，从0开始。例str的下标为0,1,2,3。偏移量也是代码单元的偏移。

charAt(n)方法返回下标n处的代码单元：

char a=str.charAt(0); //a=?

该处a显示?的原因在于，构成辅助字符的第一代码单元（U+D800~U+DBFF)和第二代码单元（U+DC00-U+DFFF)并不能单独表示字符。

要想得到第i个码点，可使用：

int index=str.offsetByCodePoints(0,1);  // index=2
int index=str.offsetByCodePoints(1,1);  // index=2

该方法第一参数为下标，第二参数为码点偏移量（并不是下标偏移），返回结果为从指定下标开始偏移的码点在字符串中的下标。注意****辅助字符对应两个下标，由第一个下标表示。

int cp=str.codePointAt(index); //cp=120134,即为U+1D546

该方法返回的是对应下标的码点值。

该结论为自己总结，欢迎探讨！

关注