Java字符串与Unicode编码(码点、代码单元、基本多语言平面BMP、辅助平面、代理对)

Java字符串与Unicode编码

1. Unicode编码简介

Unicode是一个为世界上所有书写系统设计的字符编码标准。它旨在解决不同编码标准之间不兼容的问题,使得计算机能够处理和显示世界上几乎所有的字符。Unicode为每个字符分配了一个唯一的数字,称为“码点”(Code Point)。

2. Unicode码点与代码单元
  • 码点(Code Point):Unicode中的一个字符对应的唯一数字标识。
  • 代码单元(Code Unit):在特定编码方案中表示码点的基本单位。在Java中,char 数据类型通常用作Unicode代码单元。
3. Java中的char数据类型

在Java中,char 数据类型是一个16位的无符号整数,能够表示的范围是0到65535(即0x0000到0xFFFF)。这个范围足以覆盖Unicode基本多语言平面(BMP)中的所有字符,BMP包含了最常用的字符。然而,Unicode标准定义的字符远不止这些,还包括了许多辅助平面中的字符,如一些表情符号和特殊字符。

4. BMP与辅助平面
  • 基本多语言平面(BMP):包含了从U+0000到U+FFFF的字符,这个范围内的字符可以用一个16位的 char 值(即一个代码单元)来表示。
  • 辅助平面:包含了从U+10000到U+10FFFF的字符,这些字符无法直接用单个16位的 char 值表示。因此,Java使用一对 char 值(即两个代码单元)来表示这些字符,这种表示方式称为“代理对”(Surrogate Pair)。
5. 代理对

代理对是一种特殊的编码机制,用于在Java中表示辅助平面中的Unicode字符。每个代理对由两个 char 值组成,第一个值是高代理项(High Surrogate),范围从U+D800到U+DBFF;第二个值是低代理项(Low Surrogate),范围从U+DC00到U+DFFF。通过这两个值,可以唯一确定一个辅助平面中的字符。

6. Java字符串与Unicode

在Java中,字符串是由 char 值序列组成的,这意味着字符串可以包含BMP中的字符,也可以包含通过代理对表示的辅助平面中的字符。当处理包含辅助平面字符的字符串时,需要注意字符串的长度(即 char 值的数量)可能与字符的实际数量(即码点的数量)不同。

例如,一个包含单个表情符号(如😀)的字符串在Java中实际上由两个 char 值组成(即一个代理对),但通常我们认为这个字符串只包含一个字符。

public class UnicodeExample {  public static void main(String[] args) {  // 创建一个包含单个表情符号的字符串  String smileyString = "😀";  // 使用String.length()方法获取字符串的长度(char值的数量)  int length = smileyString.length();  System.out.println("String length (char count): " + length); // 输出2,因为表情符号是一个代理对  // 使用String.codePointCount()方法获取字符串中的码点数量  int codePointCount = smileyString.codePointCount(0, smileyString.length());  System.out.println("Code point count: " + codePointCount); // 输出1,因为只有一个字符  // 使用String.charAt()方法访问字符串中的字符(这将返回代理对的一部分)  char firstChar = smileyString.charAt(0);  char secondChar = smileyString.charAt(1);  System.out.println("First char (surrogate high): " + (int) firstChar); // 输出代理对的高部分  System.out.println("Second char (surrogate low): " + (int) secondChar); // 输出代理对的低部分  // 使用String.codePointAt()方法获取完整的字符(码点)  int codePoint = smileyString.codePointAt(0);  System.out.println("Code point: " + codePoint); // 输出表情符号的码点  // 将码点转换回字符  char[] chars = Character.toChars(codePoint);  System.out.println("Character representation: " + new String(chars)); // 输出表情符号  }  
}

输出结果
String length (char count): 2
Code point count: 1
First char (surrogate high): 55357
Second char (surrogate low): 56832
Code point: 128512
Character representation: 😀

// 使用String.codePointAt()方法获取完整的字符(码点)
int codePoint = smileyString.codePointAt(0);
System.out.println("Code point: " + codePoint); // 输出表情符号的码点
  • String.codePointAt(int index) 方法用于获取指定索引处的字符的码点。在这个例子中,index是 0,表示我们想要获取字符串中第一个字符的码点。
  • 由于表情符号(如 😀)是一个代理对,即由两个 char 值组成的字符,因此我们不能使用 charAt 方法来获取完整的字符。而 codePointAt 方法能够正确地返回整个字符的码点,无论它是否是一个代理对。
  • codePoint 变量存储了获取到的码点值,我们可以通过打印它来查看表情符号的码点。
// 将码点转换回字符
char[] chars = Character.toChars(codePoint);
System.out.println("Character representation: " + new String(chars)); // 输出表情符号
  • Character.toChars(int codePoint) 方法用于将码点转换为对应的 char 数组。这个数组可能包含一个或两个 char 值,取决于码点是否表示一个代理对。
  • 在这个例子中,codePoint 是一个表情符号的码点,因此 toChars 方法会返回一个包含两个 char 值的数组,这两个值共同表示表情符号。
  • 我们通过将 chars 数组传递给 String 的构造函数来创建一个新的字符串,该字符串仅包含我们之前获取的码点对应的字符。然后,我们打印这个字符串来查看表情符号。
7. 注意事项
  • 当处理包含辅助平面字符的字符串时,使用String.length()方法将返回char值的数量,而不是码点的数量。如果需要获取码点的数量,应使用String.codePointCount(int beginIndex, int endIndex)方法。
  • 使用String.charAt(int index)方法访问字符串中的字符时,如果字符位于辅助平面,该方法将只返回代理对的一部分,而不是完整的字符。要获取完整的字符,应使用String.codePointAt(int index)方法。

Java中的字符串是由char值序列组成的,char数据类型采用UTF-16编码表示Unicode码点。BMP中的字符可以直接用一个char值表示,而辅助平面中的字符则需要通过代理对(即两个char值)来表示。在处理包含辅助平面字符的字符串时,需要注意char值的数量与码点数量之间的差异,并选择合适的方法来获取和处理这些字符。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/49523.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

字典集合案例

1.统计字符 统计字符串中每个字符出现的次数 s l like summer very much #去掉空格 s s.replace(" ","") d dict() for i in s:if i in d:d[i] 1else:d[i] 1 for i in d:print(i,d[i]) 2.求不重复的随机数 #导入随机数 import random a int(input(&q…

自动化测试的艺术:Xcode中GUI测试的全面指南

自动化测试的艺术:Xcode中GUI测试的全面指南 在软件开发过程中,图形用户界面(GUI)测试是确保应用质量和用户体验的关键环节。Xcode,作为苹果的官方集成开发环境(IDE),提供了一套强大…

智能疲劳驾驶检测:基于YOLO和深度学习的全流程实现

引言 疲劳驾驶是导致交通事故的重要原因之一。为了提高道路安全,及时检测和预警驾驶员的疲劳状态显得尤为重要。本文介绍了一种基于深度学习的疲劳驾驶检测系统。该系统利用YOLO模型(YOLOv8/v7/v6/v5)进行疲劳驾驶检测,并提供了详…

OD C卷 - 密码输入检测

密码输入检测 &#xff08;100&#xff09; 给定一个密码&#xff0c;‘<’ 表示删除前一个字符&#xff0c;输出最终得到的密码&#xff0c;并判断是否满足密码安全要求&#xff1a; 密码长度>8;至少包含一个大写字母&#xff1b;至少包含一个小写字母&#xff1b;至少…

探索若依(Ruoyi):开源的企业级后台管理系统解决方案

探索若依&#xff08;Ruoyi&#xff09;&#xff1a;开源的企业级后台管理系统解决方案 在现代企业管理中&#xff0c;拥有一个高效、稳定的后台管理系统是至关重要的。若依&#xff08;Ruoyi&#xff09;作为一款开源的企业级后台管理系统&#xff0c;为企业提供了丰富的功能…

SpringBoot中JSR303校验

JSR是 Java EE 的一种标准&#xff0c;用于基于注解的对象数据验证。在Spring Boot应用中&#xff0c;你可以通过添加注解直接在POJO类中声明验证规则。这样可以确保在使用这些对象进行操作之前&#xff0c;它们满足业务规则。个人认为非常有用的&#xff0c;因为它减少了代码中…

2.6基本算法之动态规划2989:糖果

描述 由于在维护世界和平的事务中做出巨大贡献&#xff0c;Dzx被赠予糖果公司2010年5月23日当天无限量糖果免费优惠券。在这一天&#xff0c;Dzx可以从糖果公司的N件产品中任意选择若干件带回家享用。糖果公司的N件产品每件都包含数量不同的糖果。Dzx希望他选择的产品包含的糖…

被问到MQ消息已丢失,该如何处理?

在分布式系统中&#xff0c;消息中间件&#xff08;如 RabbitMQ、RocketMQ、Kafka、Pulsar 等&#xff09;扮演着关键角色&#xff0c;用于解耦生产者和消费者&#xff0c;并确保数据传输的可靠性和顺序性。尽管我们通常会采取多种措施来防止消息丢失&#xff0c;如消息持久化、…

【Vue实战教程】之 Vue Router 路由详解

Vue Router路由 1 路由基础 1.1 什么是路由 用Vue.js创建的项目是单页面应用&#xff0c;如果想要在项目中模拟出来类似于页面跳转的效果&#xff0c;就要使用路由。其实&#xff0c;我们不能只从字面的意思来理解路由&#xff0c;从字面上来看&#xff0c;很容易把路由联想…

HTML(五)——HTML区块,布局

HTML区块 HTML可以通过 <div> 和 <span>将元素组合起来&#xff0c;可以来布局&#xff0c;就是盒子&#xff0c;div是块级盒子&#xff0c;里面 可以放任何东西&#xff0c;span里面装的是文本 HTML 区块元素 大多数 HTML 元素被定义为块级元素或内联元素。 实…

Java 面试 | Redis

目录 1. 在项目中缓存是如何使用的&#xff1f;2. 为啥在项目中要用缓存&#xff1f;3. 缓存如果使用不当会造成什么后果&#xff1f;4. redis 和 memcached 有什么区别&#xff1f;5. redis 的线程模型是什么&#xff1f;6. 为什么单线程的 redis 比多线程的 memcached 效率要…

dns逆向解析,主从服务,多域名访问(穿插ntp服务器)

复习 域名解析&#xff1a; 正向解析&#xff1a;将域名解析为ip 反向解析&#xff1a;将ip解析为域名 逆向解析 关闭防火墙和selinux&#xff0c;配置静态ip [rootdns ~]# vim /etc/named.rfc1912.zones [rootdns ~]# vim /etc/named.conf [rootdns ~]# cd /var/named/ [rootd…

【电子数据取证】了解数据库

文章关键词&#xff1a;电子数据取证、数据库取证、手机取证 一、前言 数据库是信息系统中不可或缺的部分。无论是取证收集&#xff0c;网站重建又或是开发程序都离不开数据库这个角色。 可能你已经或多或少看到过像是MySQL、Redis、MongoDB之类的程序&#xff0c;这些程序统…

前端:Vue学习-4

前端&#xff1a;Vue学习-4 1. 组件缓存 keep-alive2. 状态管理工具 - Vuex2.1 vuex 提供数据&使用数据 - mapState2.2 mutations 修改数据 - mapMutations2.3 actions - 异步操作 - mapActions2.4 getters - 计算属性 - mapGetters 3. Vuex 模块 modules - state,mutation…

day07:用户下单、订单支付

文章目录 地址薄相关相关代码需求分析和设计代码书写 用户下单需求分析和设计代码开发 订单支付微信支付介绍微信支付准备工作如何保证数据安全&#xff1f;如何调用到商户系统 地址薄相关相关代码 需求分析和设计 产品原型接口设计数据库设计 代码书写 地址薄相关代码都是单…

Objects类

Objects类 Objects类&#xff1a;常用方法&#xff1a;equals()&#xff1a; Objects类&#xff1a; Objects是一个工具类&#xff0c;提供了很多操作对象的静态方法给我们使用。 常用方法&#xff1a; 方法名说明public static boolean equals(Object a, Object b)先做非空判…

电商大型活动行动清单样例

背景 为保证在大型活动/节日&#xff08;双十一、黑色星期五&#xff09;时服务稳定&#xff0c;提出各个角色必要的行动清单 涉及到的角色与职能范围&#xff08;包括但不限于&#xff09; 产品&#xff1a;确定核心功能链路&#xff0c;制定服务降级默认行为&#xff0c;提…

视频行业(监控,直播,会议,视频通话)痛点,随时接入,异构融合,以OvMeet视频会议为中心解决企业视频应用完美解决方案

近年来随着网络的普及及音视频技术的不断发展&#xff0c;以全球化、网络化、智能化未趋势的办公方式越来越受到各行各业的青睐。视频会议解决方案的应用转往多种交互式视频应用&#xff0c;如转往视频接入融合&#xff0c;调度与管理、日常沟通、工作部署、紧急救援、作战指挥…

誉天Cloud Service Solutions Architect(云服务)怎么样

誉天云服务课程亮点 深度融合云原生 包含原生K8s和docker内容&#xff0c;引入isito和ASM功能进行微服务治理&#xff0c;结合Linux功底设计云上性能优化&#xff0c;和架构设计。师资力量强大 课程由两名5HCIE认证讲师授课&#xff0c;认证辅导由已通过HCIE-Cloud Service专职…

【图形图像-1】SDF

在图形图像处理中&#xff0c;SDF&#xff08;Signed Distance Field&#xff0c;带符号的距离场&#xff09;是一种表示图形轮廓和空间距离的数学结构。它通常用于计算机图形学、文本渲染、碰撞检测和物理模拟等领域。 SDF&#xff08;Signed Distance Field&#xff0c;带符号…