java中的代码点和代码单元

最新推荐文章于 2021-02-20 08:09:27 发布

原创最新推荐文章于 2021-02-20 08:09:27 发布 · 769 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java

java 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了Java中如何处理Unicode字符集。随着Unicode字符数量的增长，Java通过引入代码点概念来解决16位char类型的局限性。文章详细解释了代码点与代码单元的区别，并通过示例代码展示了如何获取字符串中的代码点。

背景
在设计Java时决定采用16位的Unicode字符集，因为当时只用不到65536一半的大小就可以存放下Unicode1.0版本的字符集。但是十分遗憾，一段时间之后Unicode字符数量超过了65536个，显然16位的char类型已经不能满足描述所有的Unicode字符的需要了。因此出现了代码点。
代码点
指与一个编码表中的某个字符对应的代码值。在Unicode标准中，代码点采用十六进制表示，加上前缀U+，例如A的代码点为U+0041。代码点分为17个级别。
U+0000到U+FFFF 为第一个级别称为基本的多语言级别，包括经典的Unicode字符。
U+10000到U+10FFFF 为16个附加级别，包括一些辅助字符。
代码单元
UTF-16编码采用不同长度的编码表示所有的Unicode代码点。第一级别的代码点，每个字符用16位表示，通常称为代码单元；剩下16个附加级别的代码点采用一对连续的代码单元进行编码。
在Java中，char类型用UTF-16编码一个代码单元。

public class Example {

    public static void main(String[] args) {

        String a = "Hello";
        int count = a.codePointCount(0, a.length()); //字符串a中代码点的数量，5
        char temp = a.charAt(0);  //字符串a中的第一个代码单元，H
        for (int i = 0; i < a.length(); ) {  //遍历字符串a的每一个代码点
            int cp = a.codePointAt(i);  //返回给定位置i开始的代码点
            System.out.println(cp); //依次输出72 101 108 108 111
            if (Character.isSupplementaryCodePoint(cp)) i += 2;
            else i++;
        }
    }

}