Question

我正在为自定义StringDatatype编写单元测试，我需要写下4字节的unicode字符。 “\ U” - 不工作（非法转义字符错误）例如：U + 1F701（0xf0 0x9f 0x9c 0x81）。如何用字符串写出来？

Answer 1

Unicode代码点不是4个字节;它是一个整数（此时，范围从U + 0000到U + 10FFFF）。

您的4个字节是（疯狂猜测）其UTF-8编码版本（编辑：I was right）。

你需要这样做：

final char[] chars = Character.toChars(0x1F701);
final String s = new String(chars);
final byte[] asBytes = s.getBytes(StandardCharsets.UTF_8);

创建Java时，Unicode没有在BMP之外定义代码点（即U + 0000到U + FFFF），这就是char只有16位长的原因（好吧，好吧，这只是猜测，但我认为我离这里不远了）;从那时起，它必须适应......而BMP之外的代码点需要两个字符（一个主要的代理和一个尾随的代理--Java称这些分别是高和低代理）。 Java中没有字符文字允许直接在BMP之外输入代码点。

鉴于char实际上是一个UTF-16代码单元并且这些字符串文字，你可以输入这个＆＃34;字符＆＃34;在字符串中为"\uD83D\uDF01" - 或者如果您的计算环境支持它，则直接作为符号。

另请参阅CharsetDecoder和CharsetEncoder类。

另请参阅String.codePointCount()，自Java 8起，String.codePoints()（继承自CharSequence）。

Answer 2

String s = "";

从技术上讲，这是一个字符。但是请注意s.length()将返回2。而且Java不会编译String s = ''。 Java不会向您保证String.length()将返回准确的字符数，它只返回存储此字符串所需的Java字符数。

可以从s.codePointCount(0, s.length())获得实际字符数。

Answer 3

jshell>字符串s =“?”; s ==>“?️”

jshell> s.codePointCount（0，s.length（））; $ 5 ==> 2

Java中的4字节unicode字符

3 个答案: