java - 如何建立编码字符的代码点？

Question

给定字节流(表示字符)和流的编码，我将如何获得字符的代码点？

InputStreamReader r = new InputStreamReader(bla, Charset.forName("UTF-8"));
int whatIsThis = r.read(); 

上面代码片段中 read() 返回了什么？是 unicode 代码点吗？

Answer 1

Reader.read()返回一个可以转换为 char 或 -1(如果没有更多数据可用)的值。

char 是(隐含地)UTF-16BE 编码中的 16 位代码单元。这种编码可以用单个 char 表示基本的多语言平面字符。 supplementary range使用两个 char 序列表示。

Character类型包含将 UTF-16 代码单元转换为 Unicode 代码点的方法:

需要两个 char 的代码点将满足 isHighSurrogate和 isLowSurrogate当您从 sequence 传入两个连续值时. codePointAt方法可用于从代码单元序列中提取代码点。从代码点到 UTF-16 代码单元有类似的方法。

---

代码点流阅读器的示例实现:

import java.io.*;
public class CodePointReader implements Closeable {
  private final Reader charSource;
  private int codeUnit;

  public CodePointReader(Reader charSource) throws IOException {
    this.charSource = charSource;
    codeUnit = charSource.read();
  }

  public boolean hasNext() { return codeUnit != -1; }

  public int nextCodePoint() throws IOException {
    try {
      char high = (char) codeUnit;
      if (Character.isHighSurrogate(high)) {
        int next = charSource.read();
        if (next == -1) { throw new IOException("malformed character"); }
        char low = (char) next;
        if(!Character.isLowSurrogate(low)) {
          throw new IOException("malformed sequence");
        }
        return Character.toCodePoint(high, low);
      } else {
        return codeUnit;
      }
    } finally {
      codeUnit = charSource.read();
    }
  }

  public void close() throws IOException { charSource.close(); }
}