Làm cách nào để tôi có thể lặp qua các điểm mã unicode của một chuỗi Java?

Vì vậy, tôi biết về String#codePointAt(int), nhưng nó được lập chỉ mục bởi phần charbù, không phải bằng phần bù điểm.

Tôi đang nghĩ về việc thử một cái gì đó như:

• sử dụng String#charAt(int)để lấy charchỉ mục
• kiểm tra xem có charnằm trong phạm vi đại diện cao không
  • nếu vậy, hãy sử dụng String#codePointAt(int)để lấy điểm mã và tăng chỉ số lên 2
  • nếu không, hãy sử dụng chargiá trị đã cho làm điểm mã và tăng chỉ số lên 1

Nhưng mối quan tâm của tôi là

• Tôi không chắc liệu các điểm mã tự nhiên nằm trong phạm vi đại diện cao sẽ được lưu trữ dưới dạng hai chargiá trị hay một
• đây có vẻ như là một cách tốn kém kinh khủng để lặp lại các ký tự
• ai đó chắc hẳn đã nghĩ ra một cái gì đó tốt hơn.

Có, Java sử dụng mã hóa UTF-16-esque cho các biểu diễn bên trong của Chuỗi và vâng, nó mã hóa các ký tự bên ngoài Mặt phẳng đa ngôn ngữ cơ bản ( BMP ) bằng cách sử dụng lược đồ thay thế.

Nếu bạn biết mình sẽ xử lý các ký tự bên ngoài BMP, thì đây là cách chuẩn để lặp lại các ký tự của Chuỗi Java:

final int length = s.length();
for (int offset = 0; offset < length; ) {
   final int codepoint = s.codePointAt(offset);

   // do something with the codepoint

   offset += Character.charCount(codepoint);
}

Java 8 được thêm vào CharSequence#codePointstrả về một IntStreamchứa các điểm mã. Bạn có thể sử dụng luồng trực tiếp để lặp lại chúng:

string.codePoints().forEach(c -> ...);

hoặc với vòng lặp for bằng cách thu thập luồng vào một mảng:

for(int c : string.codePoints().toArray()){
    ...
}

Những cách này có lẽ đắt hơn giải pháp của Jonathan Feinbergs , nhưng đọc / ghi nhanh hơn và sự khác biệt về hiệu suất thường sẽ không đáng kể.

Lặp lại các điểm mã được gửi như một yêu cầu tính năng tại Sun.

Xem mục nhập của bọ mặt trời

Ngoài ra còn có một ví dụ về cách lặp lại chuỗi CodePoints ở đó.

Tôi nghĩ rằng tôi sẽ thêm một phương pháp giải quyết hoạt động với vòng lặp foreach ( ref ), ngoài ra bạn có thể chuyển đổi nó sang phương thức String # codePoints mới của java 8 một cách dễ dàng khi bạn chuyển sang java 8:

Bạn có thể sử dụng nó với foreach như sau:

 for(int codePoint : codePoints(myString)) {
   ....
 }

Đây là mthod trợ giúp:

public static Iterable<Integer> codePoints(final String string) {
  return new Iterable<Integer>() {
    public Iterator<Integer> iterator() {
      return new Iterator<Integer>() {
        int nextIndex = 0;
        public boolean hasNext() {
          return nextIndex < string.length();
        }
        public Integer next() {
          int result = string.codePointAt(nextIndex);
          nextIndex += Character.charCount(result);
          return result;
        }
        public void remove() {
          throw new UnsupportedOperationException();
        }
      };
    }
  };
}

Hoặc thay thế nếu bạn chỉ muốn chuyển đổi một chuỗi thành một mảng int (có thể sử dụng nhiều RAM hơn so với cách tiếp cận ở trên):

 public static List<Integer> stringToCodePoints(String in) {
    if( in == null)
      throw new NullPointerException("got null");
    List<Integer> out = new ArrayList<Integer>();
    final int length = in.length();
    for (int offset = 0; offset < length; ) {
      final int codepoint = in.codePointAt(offset);
      out.add(codepoint);
      offset += Character.charCount(codepoint);
    }
    return out;
  }

Rất may, việc sử dụng "codePoints" xử lý an toàn cặp thay thế của UTF-16 (biểu diễn chuỗi nội bộ của java).