java - 如何遍历 Java 字符串的 unicode 代码点？

Question

所以我知道String#codePointAt(int) ，但它由 char 偏移量索引，而不是由代码点偏移量索引。

我正在考虑尝试类似的方法:

• 使用 String#charAt(int)在索引处获取 char
• 测试 char 是否在 high-surrogates range 中
  • 如果是这样，请使用 String#codePointAt(int)获取代码点，并将索引增加 2
  • 如果不是，则使用给定的 char 值作为代码点，并将索引增加 1

但我担心的是

• 我不确定自然在高代理范围内的代码点是否会存储为两个 char 值或一个
• 这似乎是一种非常昂贵的遍历字符的方法
• 一定有人想出了更好的办法。

Answer 1

是的，Java 对字符串的内部表示使用 UTF-16 式编码，而且，是的，它使用代理方案对基本多语言平面 (BMP) 之外的字符进行编码。

如果您知道您将处理 BMP 之外的字符，那么这里是迭代 Java 字符串字符的规范方法:

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);
}