使用代理对创建和使用字符串

时间:2013-09-01 08:41:32

标签: java string unicode

我必须处理0FFFF以上的代码点(特别是数学脚本字符),并且没有找到关于如何执行此操作的简单教程。我希望能够(a)创建具有高代码点的String和(b)迭代其中的字符。由于char无法保留这些点,因此我的代码如下:

    @Test
public void testSurrogates() throws IOException {
    // creating a string
    StringBuffer sb = new StringBuffer();
    sb.append("a");
    sb.appendCodePoint(120030);
    sb.append("b");
    String s = sb.toString();
    System.out.println("s> "+s+" "+s.length());
    // iterating over string
    int codePointCount = s.codePointCount(0, s.length());
    Assert.assertEquals(3, codePointCount);
    int charIndex = 0;
    for (int i = 0; i < codePointCount; i++) {
        int codepoint = s.codePointAt(charIndex);
        int charCount = Character.charCount(codepoint);
        System.out.println(codepoint+" "+charCount);
        charIndex += charCount;
    }
}

我觉得这完全正确或最干净的方式让我感到不舒服。我本来期望codePointAfter()之类的方法,但只有codePointBefore()。请确认这是正确的策略或提供替代策略。

更新:感谢@Jon的确认。我为此苦苦挣扎 - 这是两个要避免的错误:

  • 没有代码点的直接索引(即没有s.getCodePoint(i)) - 你必须遍历它们
  • 使用(char)作为演员会截断0FFFF以上的整数并且不容易发现

1 个答案:

答案 0 :(得分:5)

对我而言看起来是正确的。如果要迭代字符串中的代码点,可以将此代码包装在Iterable中:

public static Iterable<Integer> getCodePoints(final String text) {
    return new Iterable<Integer>() {
        @Override public Iterator<Integer> iterator() {
            return new Iterator<Integer>() {
                private int nextIndex = 0;

                @Override public boolean hasNext() {
                    return nextIndex < text.length();
                }

                @Override public Integer next() {
                    if (!hasNext()) {
                        throw new NoSuchElementException();
                    }
                    int codePoint = text.codePointAt(nextIndex);
                    nextIndex += Character.charCount(codePoint);
                    return codePoint;
                }

                @Override public void remove() {
                    throw new UnsupportedOperationException();
                }
            };
        }
    };
}

或者您可以将方法更改为仅返回int[]当然:

public static int[] getCodePoints(String text) {
    int[] ret = new int[text.codePointCount(0, text.length())];
    int charIndex = 0;
    for (int i = 0; i < ret.length; i++) {
        ret[i] = text.codePointAt(charIndex);
        charIndex += Character.charCount(ret[i]);
    }
    return ret;
}

我同意遗憾的是,Java库不会公开这样的方法,但至少它们太难难以编写。