java - 实现一种算法来确定字符串是否具有所有唯一字符(大于 U+FFFF 的字符)

Question

我正在练习示例面试问题，其中之一是:“实现一种算法以确定字符串是否具有所有唯一字符”。

当我们假设是 ASCII/ANSI 时，这很容易。 implement-an-algorithm-to-determine-if-a-string-has-all-unique-charact

但我的问题是:如果假设字符串可以包含例如象形文字符号或其他任何符号(代码点大于 U+FFFF...？)。

因此，如果我理解正确的话，如果给定的字符串包含属于从 U+0000 到 U+FFFF 的字符集的字符，我可以很容易地想到解决方案——它们可以转换为 16 位字符，但是如果我遇到代码点大于 U+FFFF... 的字符？

Characters whose code points are greater than U+FFFF are called supplementary characters. The Java platform uses the UTF-16 representation in char arrays and in the String and StringBuffer classes. In this representation, supplementary characters are represented as a pair of char values, the first from the high-surrogates range, (\uD800-\uDBFF), the second from the low-surrogates range (\uDC00-\uDFFF)

但我不知道在那种情况下如何解决这个难题，我该如何处理这些代理对？

谢谢!

Answer 1

Java 8 有一个 CharSequence#codePoints method生成字符串中 Unicode 代码点的 IntStream。从那里开始，只需编写代码来测试 IntStream 中元素的唯一性即可。

如果您仍在使用 Java 7 或更低版本，那里有基于代码点的方法也可用于解决此问题，但它们使用起来要复杂得多。您必须遍历字符串的 char 并检查每个值以判断您是否正在处理代理项对。类似的东西(完全未经测试):

for (int i = 0; i < str.length(); i++) {
    int codepoint = str.codePointAt(i++);
    if (Character.isHighSurrogate(str.charAt(i))) {
        // This will fail if the UTF-16 representation of 
        // this string is wrong (e.g., high surrogate `char` 
        // at the end of the string's `char[]`).
        i += 1;
    }
    // do stuff with codepoint...
}