字符串的遍历

Java字符串是一系列的Unicode字符序列，但是，它却常常被误认为是char序列。于是，我们经常这样来遍历字符串：

[java]  view plain copy

1. package testchar;  
2.   
3. public class TestChar2 {  
4.     public static void main(String[] args) {  
5.         String s = "\u0041\u00DF\u6771\ud801\uDC00";  
6.         for(int i = 0; i < s.length(); i++) {  
7.             System.out.println(s.charAt(i));  
8.         }  
9.     }  
10. }  

然后，得到了意料之外的结果：

A

ß

東

?

?

之所以会这样，是因为Unicode字符和Java的char类型不能等同起来。实际上，Java中的char类型能表示的字符只是Unicode字符的子集，因为char只有16位，也就是说，它只能表示65536（2的16次方）个字符，但实际的Unicode字符数超过这个数字。在Java中，用UTF-16编码char和String中的字符，一个字符对应的编码值被称为一个代码点。有的代码点用16位编码，被称为一个代码单元，像char表示的那些字符；有的代码点用32位编码，也就是用两个连续的代码单元编码，如上文中的\ud801\uDC00。其实，我们遍历一个字符串，遍历的是这个字符串中所有代码点，而

s.length()

返回的是字符串s中代码单元的个数。当i对应的代码单元只是一个32位代码点的一部分时，

s.charAt(i)

也就不能像我们希望的那样工作了。

下面给出了几种正确遍历一个字符串的方法：

[java]  view plain copy

1. package testchar;  
2.   
3. /** 
4.  * 正确遍历String 
5.  *  
6.  * @author yuncong 
7.  *  
8.  */  
9. public class TestChar {  
10.   
11.     public static void main(String[] args) {  
12.         String s = "\u0041\u00DF\u6771\ud801\uDC00";  
13.         // 获得字符串中代码点的数量  
14.         int cpCount = s.codePointCount(0, s.length());  
15.         for (int i = 0; i < cpCount; i++) {  
16.             int index = s.offsetByCodePoints(0, i);  
17.             int cp = s.codePointAt(index);  
18.             if (!Character.isSupplementaryCodePoint(cp)) {  
19.                 System.out.println((char) cp);  
20.             } else {  
21.                 System.out.println(cp);  
22.             }  
23.         }  
24.   
25.         System.out.println("-------------------");  
26.   
27.         for (int i = 0; i < s.length(); i++) {  
28.             int cp = s.codePointAt(i);  
29.             if (!Character.isSupplementaryCodePoint(cp)) {  
30.                 System.out.println((char) cp);  
31.             } else {  
32.                 System.out.println(cp);  
33.                 i++;  
34.             }  
35.         }  
36.           
37.         System.out.println("-------------------");  
38.           
39.         // 逆向遍历字符串  
40.         for(int i = s.length() - 1; i >= 0; i--) {  
41.             int cp = 0;  
42.             // 当i等于0的时候，只剩下一个代码单元，不可能是辅助字符  
43.             if (i == 0) {  
44.                 cp = s.codePointAt(0);  
45.                 System.out.println((char)cp);  
46.             } else {  
47.                 // 只有在i大于0的时候才可以退，并且  
48.                 // 因为剩下的代码单元大于2，所以接下  
49.                 // 来访问的两个代码单元可能表示辅助  
50.                 // 字符；  
51.                 // 退一个代码单元  
52.                 i--;  
53.                 cp = s.codePointAt(i);  
54.                 if (Character.isSupplementaryCodePoint(cp)) {  
55.                     System.out.println(cp);  
56.                 } else {  
57.                     // 如果cp不是辅助字符，就回到遍历的正常位置  
58.                     i++;  
59.                     cp = s.codePointAt(i);  
60.                     System.out.println((char)cp);  
61.                 }  
62.             }  
63.         }  
64.