Java String.length( ) 和 String.codePointCount( )区别 String.charAt( )和String.codePointAt( )区别

java String类提供以下两个方法获取字符串长度:

int length( )
int codePointCount(int beginIndex, int endIndex)

提供以下两个方法索引字符串中单个字符:

char charAt(int index)
int codePointAt(int index)

理解这些方法之间的区别，首先需要学习一下unicode和UTF-16：

1.unicode

unicode 是目前主流的字符编码方式，对世界上几乎所有常用字符都进行了编码，统一了字符编码方式。unicode 码值范围是0~0x10FFFF, 可见最高会占用6字节表示字符值。常用字符位于0~0xFFFF范围内。每个字符对应的unicode码值称为码点（code point）。

2.UTF-16

使用unicode编码的文本，需要用六个字节保存每个字符，因为字符的码点较大时可能会占用6字节的存储空间。但是常用字符的码点位于0~0xFFFF,只需要使用2个字节就可以表示，高4字节值全为0. 所以使用6字节保存常见字符的码点会非常浪费空间。于是UTF-16（还用常见的UTF-8等）编码被设计出来用于节约空间。字符的码点用UTF-16编码后再存入存储器当中。下面介绍UTF-16如何编码字符的码点，即0-0x10FFFF。

• 对于0~0xFFFF的码点，UTF-16使用对应的2字节的无符号整数表示，这两个字节在UTF-16被称作代码单元（code unit）。
• 0x10000~0x10FFFF的码点，UTF-16使用4个字节表示，即使用一对代码单元。具体的编码方式是：假设某字符的码点是u(u大于等于0x10000)，令u’=0x10000，然后将u’转换为二进制形式即 xxxx xxxx xxyy yyyy yyyy，带入到 1101 10xx xxxx xxxx 1101 11yy yyyy yyyy当中，所得4字节数即为码点u的UTF-16编码值，即一对代码单元。

3.Java char类型

java支持unicode, 并使用UTF-16保存码点，char类型对应双字节的代码单元，若保存特殊字符（其码点大于等于0x10000），Java会使用两个char 类型变量保存。

4.区别

根据以上知识点，解释方法之间区别：

• String.length() 返回字符串所使用的代码单元个数，或者说返回字符串占用的char类型数据个数。String.codePointCount() 则返回字符串的码点个数，一个字符对应一个码点，所以该方法可以真正返回字符串当中的字符个数。length()方法和codePointCount()方法在某些情况下返回值相等，即字符串当中字符都是常见字符时（码点小于等于0xFFFF）.
• char String.charAt(int index)从该方法返回值类型可以发现其返回char型数据，即代码单元，则一个特殊字符有一对代码单元，则需要调用两次该方法才能获取其所有char值。int String.codePointAt(int index) 返回指定索引处的字符码点，任何一个字符只有一个码点。
  看一下测试代码：

public class UnicodeTest {
	public static void main(String[] args) {
		String s = "\uD835\uDD6B"; // 该字符串只有一个特殊字符?，使用其utf-16值描述该字符
		System.out.println(s);
		System.out.println("length() return: "+s.length());
		System.out.println("codePointCount() return:" +s.codePointCount(0,s.length()));
		int cp=s.codePointAt(0);
		System.out.println("codePoint: 0x"+Integer.toHexString(cp));
		int v1=s.charAt(0);
		System.out.println("first code uint: 0x"+Integer.toHexString(v1));
		int v2=s.charAt(1);
		System.out.println("second code uint: 0x"+Integer.toHexString(v2));
	}

运行结果如下：

可以看到只有一个特殊字符的字符串s的length()返回值为2，codePointCount返回值为1，通过codePointAt()方法过去了该字符对应码点，两次调用charAt()方法返回了该字符所有char 数据。

5. 总结

在知道unicode和utf-16相关概念后，仔细查看方法对应英文JAVAdoc文档，就可以理解方法的区别和使用场景。

如果对你有帮助，请点个赞，谢谢！