String类型的"字符"长度(码点/代码单元的区别)

       查看String的源码可以发现它以一个char类型的数组保存字符串的,而String.length()方法返回的也是这个char数组的长度.

那么,这个长度和"字符"长度有什么关系呢?

       在这里就不得不引入码点和代码单元的概念,以下是摘抄至《Java核心技术卷一基础知识(第十版)》中的定义:

      "码点（ code point ) 是指与一个编码表中的某个字符对应的代码值。在Unicode 标准中，码点采用十六进制书写，并加上前缀U+, 例如U+0041 就是拉丁字母A 的码点。Unicode 的码点可以分成17 个代码级别（ codeplane)。第一个代码级别称为基本的多语言级别（ basicmultilingual plane ), 码点从U+0000 到U+FFFF, 其中包括经典的Unicode 代码；其余的16个级另丨〗码点从U+10000 到U+10FFFF , 其中包括一些辅助字符（supplementary character)。UTF-16 编码采用不同长度的编码表示所有Unicode 码点。在基本的多语言级别中， 每个字符用16 位表示，通常被称为代码单元（ code unit ) ; 而辅助字符采用一对连续的代码单元进行编码。这样构成的编码值落人基本的多语言级别中空闲的2048 字节内， 通常被称为替代区域（surrogate area) [ U+D800 ~ U+DBFF 用于第一个代码单兀，U+DC00 ~ U+DFFF 用于第二个代码单元]。这样设计十分巧妙， 我们可以从中迅速地知道一个代码单元是一个字符的编码， 还是一个辅助字符的第一或第二部分".

     从上面的话可以知道：

           ① 一个字符对应一个码点(且每个字符的码点都是唯一的)，但一个码点可能需要一个代码单元或者两个代码单元才能表示。

           ② 一个char类型正好可以保存一个代码单元的值。也就是说，String类型中的char数组，保存的其实是字符串对应的代码单元。

由此我们就可以知道String.length()方法返回的是字符串所有代码单元的数量，而不是字符串中所有字符的个数。（尽管大部分情况下Stirng.length()都等于字符的个数,也就是字符的长度）.

比如对于String str = "?",其str.length()的返回结果为2,但它只有一个字符!

将它复制到idea中,你会发现String str = "?"会变为String a = "\uD834\uDF37".

而要想获取真正的字符长度(字符的个数),我们需要用如下语句:

    str.codePointCount(0,str.length());

转载于:https://www.cnblogs.com/dhgy/p/9368990.html