java - Android 中的 BreakIterator 错误地计算字符

Question

我正在使用 BreakIterator 来计算字符串中可见字符的数量。这非常适合英语。但对于印地语，它无法按预期工作。

下面的字符串长度为3，但视觉上被视为单个字符。

ज्य

当我使用 BreakIterator 时，我希望它会将其视为一个单元，但它却将其视为 2 个单元。以下是我的代码:

    final String text = "ज्य";
    final Locale locale = new Locale("hi","IN");
    final BreakIterator breaker = BreakIterator.getCharacterInstance(locale);
    breaker.setText(text);
    int start = breaker.first();
    for (int end = breaker.next();
         end != BreakIterator.DONE;
         start = end, end = breaker.next()) {

        final String substring = text.substring(start, end);
    }

理想情况下，for 循环应在 start=0 和 end=3 的情况下执行一次；但对于上面的字符串，它执行了两次(start=0、end=2 和 start=2、end=3)。

如何让 BreakIterator 正常工作？

更新:

上面的代码作为 JAVA 程序运行时可以完美运行。仅当在 ANDROID 中使用时才会出现错误。

由于这种情况仅发生在 Android 中，因此我报告了 android 中的一个错误:https://code.google.com/p/android/issues/detail?id=230832

Answer 1

我认为你需要使用 unicode 字符

Oracle Doc. for Character Boundaries

    final String text = "\u091C\u094D\u092F";
    final Locale locale = new Locale("hi","IN");
    final BreakIterator breaker = BreakIterator.getCharacterInstance(locale);
    breaker.setText(text);
    int start = breaker.first();
    for (int end = breaker.next();
         end != BreakIterator.DONE;
         start = end, end = breaker.next()) {

        final String substring = text.substring(start, end);
        System.out.println(substring);
    }