java - JavaFX 中的 Unicode 补充平面

Question

我在处理来自 JavaFX 补充(“astral”)平面的 Unicode 字符时遇到问题。具体来说，我不能将这些字符粘贴到 TextInputDialog 中(我得到一些奇怪的字符，例如 ð)，也不能在 WebView 中使用它们(它们呈现为 ������).

如果我通过 JOptionPane.showInputDialog 输入相同的字符并将它们打印到控制台，则它们可以正常工作。它们甚至显示在 JavaFX Alert 中，尽管它在末尾附加了一些垃圾。

有没有办法解决这些问题？

我在 Linux 中使用 Oracle JDK 版本 1.8.0_51。
补充平面字符示例:😀𐂃🂡🙭𫞂
如果看不到它们，您可能需要安装其他字体，例如 Symbola 或 Noto。

这是一个示例程序(使用 Label 而不是 WebView):

import javax.swing.JOptionPane;

import javafx.application.Application;
import javafx.scene.Scene;
import javafx.scene.control.Alert;
import javafx.scene.control.Alert.AlertType;
import javafx.scene.control.Label;
import javafx.scene.control.TextInputDialog;
import javafx.scene.layout.StackPane;
import javafx.stage.Stage;

public class UniTest extends Application {
    @Override
    public void start(final Stage stage) throws Exception {
        final String s = new String(new int[]{127137, 178050, 3232, 128512, 241}, 0, 5);
        System.out.println("The string: " + s);
        System.out.println("Characters: " + s.length());
        System.out.println("Code points: " + s.codePoints().count());

        JOptionPane.showMessageDialog(null, s, "JOptionPane", JOptionPane.INFORMATION_MESSAGE);

        final Alert al = new Alert(AlertType.INFORMATION);
        al.setTitle("Alert");
        al.setContentText(s);
        al.showAndWait();

        final TextInputDialog dlg = new TextInputDialog();
        dlg.setTitle("TextInputDialog");
        dlg.setContentText("Try to paste the string in here");
        dlg.showAndWait().ifPresent(x -> System.out.println("Your input: " + x));

        final StackPane root = new StackPane();
        root.getChildren().add(new Label(s));
        stage.setScene(new Scene(root, 400, 300));
        stage.setTitle("Stage");
        stage.show();
    }

    public static void main(final String... args) {
        launch(args);
    }
}

这是我得到的结果:

注意:并非示例中的所有字符都来自辅助平面，其中一个字符仅在控制台中正确呈现。

Answer 1

TL;DR:显然 JavaFX 有问题。

这是您正在使用的文本。

🂡𫞂ಠ😀ñ

十进制代码点表示:

127137 178050 3232 128512 241

十六进制表示:

0x1F0A1 0x2B782 0xCA0 0x1F600 0xF1

显示错误

Java 在内部使用 UTF-16。因此考虑 UTF-16 表示:

UTF-16 表示:

D83C DCA1 D86D DF82 0CA0 D83D DE00 00F1

我们可以看到显示屏显示的是您期望的五个字符，但随后显示了三个垃圾字符。

所以它显然是在尝试显示 8 个字形，而实际上只有五个。这几乎可以肯定是因为显示代码正在计算 8 个字符，因为三个字符以 UTF-16 编码为代理项对，因此每个取两个 16 位字。换句话说，它在存在代理项对的情况下使用了错误的字符串长度值。

粘贴文本错误

测试数据的 UTF-8 表示:

F0 9F 82 A1 F0 AB 9E 82 E0 B2 A0 F0 9F 98 80 C3 B1

所见即所得

00F0 ð LATIN SMALL LETTER ETH 
009F  <control> = APC = APPLICATION PROGRAM COMMAND 
0082  <control> = BPH = BREAK PERMITTED HERE
00A1 ¡ INVERTED EXCLAMATION MARK 
00F0 ð LATIN SMALL LETTER ETH 

(这两个控制字符在某些字体中可以有字形，其中包含它们的缩写或十六进制代码。这些在您的示例中可见。)

Latin1 十六进制表示:

F0 9F 82 A1 F0

请注意，这五个字节与预期文本的 UTF-8 表示的前五个字节相同。

结论:粘贴的数据被粘贴为占用17个字节的5个UTF-8代码点，但被解释为占用5个字节的5个Latin1代码点。同样，长度使用了错误的属性。