Question

如果我使用33到127之间的任何ASCII字符，codePointAt方法会给出正确的十进制值，例如：

String s1 = new String("#");
int val = s1.codePointAt(0);

这将返回35，这是正确的值。

但是，如果我尝试使用128到255之间的ASCII字符（扩展ASCII / ISO-8859-1），则此方法会给出错误的值，例如：

String s1 = new String("ƒ")  // Latin small letter f with hook
int val = s1.codePointAt(0);

这应该按照this reference table返回159，而是返回409，为什么会这样？

Answer 1

但是，如果我尝试使用128到255的ASCII字符

ASCII没有此范围内的值。它只使用7位。

Java字符是UTF-16（没有别的！）。如果要使用Java表示ASCII，则需要使用字节数组。

codePointAt方法返回32位代码点。 16位字符不能包含整个Unicode范围，因此某些代码点必须分成两个字符（根据encoding scheme for UTF-16）。 codePointAt方法有助于解决代码点的问题。

我在Java here中写了一个粗略的编码指南。

Answer 2

Java字符未在ISO-8859-1中编码。它们使用UTF-16，它具有7bit ASCII字符的相同值（仅0-127的值）。

要获得ISO-8859-1的正确值，您必须使用 ~~String.getBytes("ISO-8859-1");~~ 将字符串转换为byte []并查看字节数组。

<强>更新

ISO-8859-1不是extended ASCII编码，使用String.getBytes("Cp437");来获取正确的值。

Answer 3

Unicode中的

ƒ 0x0192 LATIN SMALL LETTER F WITH HOOK

Answer 4

String.codePointAt返回此指定索引处的Unicode-Codepoint。

ƒ的Unicode代码点是402，参见

http://www.decodeunicode.org/de/u+0192/properties

所以

System.out.println("ƒ".codePointAt(0));

打印402是正确的。

如果您对其他字符集中的表示感兴趣，可以通过getBytes(String charsetName)打印出其他字符集中字符的字节表示：

    final String s = "ƒ";
    for (final String csName : Charset.availableCharsets().keySet()) {
    try {
     final Charset cs = Charset.forName(csName);
     final CharsetEncoder encode = cs.newEncoder();
     if (encode.canEncode(s)) 
          {
      System.out.println(csName + ": " + Arrays.toString(s.getBytes(csName)));
          }
        } catch (final UnsupportedOperationException uoe) {
        } catch (final UnsupportedEncodingException e) {
     }
    }

Java String.codePointAt返回意外值

4 个答案: