Question

我面临的情况是我在文本中获取Surrogate字符，我将保存到MySql 5.1。由于这不支持UTF-16，我想在将它保存到数据库之前通过java方法手动删除这些代理对。

我现在已经编写了以下方法，我很想知道是否有直接和最佳的方法来处理这个问题。

提前感谢您的帮助。

public static String removeSurrogates(String query) {
    StringBuffer sb = new StringBuffer();
    for (int i = 0; i < query.length() - 1; i++) {
        char firstChar = query.charAt(i);
        char nextChar = query.charAt(i+1);
        if (Character.isSurrogatePair(firstChar, nextChar) == false) {
            sb.append(firstChar);
        } else {
            i++;
        }
    }
    if (Character.isHighSurrogate(query.charAt(query.length() - 1)) == false
            && Character.isLowSurrogate(query.charAt(query.length() - 1)) == false) {
        sb.append(query.charAt(query.length() - 1));
    }

    return sb.toString();
}

Answer 1

以下是一些事情：

Character.isSurrogate(char c)：

当且仅当它是低代理代码单元或高代理代码单元时，char值才是代理代码单元。
检查配对似乎毫无意义，为什么不删除所有代理？
x == false相当于!x
StringBuilder在您不需要同步的情况下更好（例如从不离开本地范围的变量）。

我建议：

public static String removeSurrogates(String query) {
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < query.length(); i++) {
        char c = query.charAt(i);
        // !isSurrogate(c) in Java 7
        if (!(Character.isHighSurrogate(c) || Character.isLowSurrogate(c))) {
            sb.append(firstChar);
        }
    }
    return sb.toString();
}

分解`if`声明

你问过这句话：

if (!(Character.isHighSurrogate(c) || Character.isLowSurrogate(c))) {
    sb.append(firstChar);
}

理解它的一种方法是将每个操作分解为自己的功能，这样你就可以看到组合符合你的期望：

static boolean isSurrogate(char c) {
    return Character.isHighSurrogate(c) || Character.isLowSurrogate(c);
}

static boolean isNotSurrogate(char c) {
    return !isSurrogate(c);
}

...

if (isNotSurrogate(c)) {
    sb.append(firstChar);
}

Answer 2

Java字符串存储为16位字符序列，但它们代表的是unicode字符序列。在unicode术语中，它们存储为代码单元，但是模型代码点。因此，谈论删除代理人有点毫无意义，代理人在字符/代码点表示中不存在（除非你有流氓单一代理人，在这种情况下你还有其他问题）。

相反，您要做的是删除任何在编码时需要代理的字符。这意味着任何超出基本多语言平面的角色。你可以用一个简单的正则表达式来做到这一点：

return query.replaceAll("[^\u0000-\uffff]", "");

Answer 3

为什么不简单

for (int i = 0; i < query.length(); i++) 
    char c = query.charAt(i);
    if(!isHighSurrogate(c) && !isLowSurrogate(c))
        sb.append(c);

你可能应该用“？”替换它们，而不是正确地删除它们。

Answer 4

好奇。如果char是高代理，是否需要检查下一个？它应该是低代理人。修改后的版本将是：

public static String removeSurrogates(String query) {
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < query.length(); i++) {
        char ch = query.charAt(i);
        if (Character.isHighSurrogate(ch))
            i++;//skip the next char is it's supposed to be low surrogate
        else
            sb.append(ch);
    }    
    return sb.toString();
}

Answer 5

如果删除，所有这些解决方案都很有用但如果重新开始，下面会更好

StringBuffer sb = new StringBuffer();
    for (int i = 0; i < s.length(); i++) {
        char c = s.charAt(i);
        if(Character.isHighSurrogate(c)){
            sb.append('*');
        }else if(!Character.isLowSurrogate(c)){
            sb.append(c);
        }
    }
    return sb.toString();

如何删除Java中的代理字符？

5 个答案:

分解`if`声明

如何删除Java中的代理字符？

5 个答案:

分解if声明

分解`if`声明