Question

我正在努力在系统中支持Unicode字符，因此我想将字符拆分为包含泰米尔语字母的字符串。除了Java中的英语以外，我不知道要处理其他字符串。

String word = new String("தமிழ்")
String[] chars = word.split("")

输出内容

[த，ம，ி，ழ，்]

期待什么

[த，மி，ழ்]

Answer 1

分配给“单词”的字符串实际上是5个Unicode字符。例如，第三个字符（U + 0BFF）与前一个字符（U + 0BAE？）组合在一起，形成一个显示的符号。

由于您将单词拆分为字符，因此将获得5个字符。原始字符串中没有显示这样的单个字符作为（例如）中间符号。

由于组合字符，屏幕上显示的符号表观数量不一定与Unicode字符数量相同。通常，呈现Unicode字符串的程序必须知道字符的组合。

有关this document的泰米尔语Unicode问题，请参见。图12-21讨论了i元音的声音，它是5的中间字符。

不清楚您要分割字符串的目的是什么。如果您真的想要“明显的符号”（我是用这个词补上的），那么您大概需要扫描生成的字符以寻找组合字符。

This document描述了一种似乎对您有用的方法，尽管页面上说JDK 8之后的发行版中有更好的功能，我没有花时间去寻找。不过，这可能会更全面地阐明正在发生的事情。