如何迭代 Java 字串中的 Unicode 程式碼點？

迭代Java 字串中的Unicode 代碼點

簡介

迭代Java 字串的Unicode 程式碼需要一個唯一的方法，因為Java 使用UTF-16 式編碼。本文探討了不同的策略並解決了有關基本多語言平面 (BMP) 之外的字元編碼的問題。

解決問題

最初，人們可能會考慮使用 String #codePointAt(int) 按字元偏移索引。然而，這種方法有兩個問題：它不按程式碼點偏移量進行索引，處理 BMP 以外的程式碼點會帶來挑戰。

另一種方法涉及使用 String#charAt(int) 來取得字元並測試它們在 BMP 中的成員資格。高替代範圍。雖然此方法提供了一種確定代碼點是否在BMP 之外的方法，但它具有以下缺點：

• BMP 範圍代碼點表示的不確定性
• 高計算成本

最佳解決方案

幸運的是，Java 提供了使用String#codePointAt(int) 迭代程式碼點的規格方法：

<code class="java">for (int offset = 0; offset < length; ) {
   final int codepoint = s.codePointAt(offset);

   // do something with the codepoint

   offset += Character.charCount(codepoint);
}</code>

解決問題

• Java 確實使用UTF-16 式編碼，將BMP 以外的字元儲存為代理項目。
• 上面提供的程式碼處理 BMP -正確範圍碼點。
• 增加Character.charCount(codepoint)的偏移量可以正確導航代理項對。

結論

總結，迭代 Java 字串中的 Unicode 代碼點需要更深入地了解底層編碼。然而，使用本文中概述的規範方法為這種常見需求提供了正確且有效的解決方案。

以上是如何迭代 Java 字串中的 Unicode 程式碼點？的詳細內容。更多資訊請關注PHP中文網其他相關文章！