Question

我有一个小型演示应用程序，当使用需要代理对（即不能用2个字节表示）的Unicode代码点时，显示Java子字符串实现的问题。我想知道我的解决方案是否运作良好，或者是否缺少任何东西。我已经考虑过在codereview上发布内容，但这与Java的Strings实现有关，而不是与我的简单代码本身有关。

public class SubstringTest {
    public static void main(String[] args) {

        String stringWithPlus2ByteCodePoints = "";

        String substring1 = stringWithPlus2ByteCodePoints.substring(0, 1);
        String substring2 = stringWithPlus2ByteCodePoints.substring(0, 2);
        String substring3 = stringWithPlus2ByteCodePoints.substring(1, 3);

        System.out.println(stringWithPlus2ByteCodePoints);
        System.out.println("invalid sub" + substring1);
        System.out.println("invalid sub" + substring2);
        System.out.println("invalid sub" + substring3);

        String realSub1 = getRealSubstring(stringWithPlus2ByteCodePoints, 0, 1);
        String realSub2 = getRealSubstring(stringWithPlus2ByteCodePoints, 0, 2);
        String realSub3 = getRealSubstring(stringWithPlus2ByteCodePoints, 1, 3);
        System.out.println("real sub:"  + realSub1);
        System.out.println("real sub:"  + realSub2);
        System.out.println("real sub:"  + realSub3);
    }

    private static String getRealSubstring(String string, int beginIndex, int endIndex) {
        if (string == null)
            throw new IllegalArgumentException("String should not be null");
        int length = string.length();
        if (endIndex < 0 || beginIndex > endIndex || beginIndex > length || endIndex > length)
            throw new IllegalArgumentException("Invalid indices");
        int realBeginIndex = string.offsetByCodePoints(0, beginIndex);
        int realEndIndex = string.offsetByCodePoints(0, endIndex);
        return string.substring(realBeginIndex, realEndIndex);
    }

}

输出：


invalid sub: ?
invalid sub: 
invalid sub: ??
real sub: 
real sub: 
real sub:

我可以依靠我的子字符串实现来始终提供所需的子字符串，从而避免Java使用chars作为其子字符串方法的问题吗？

Answer 1

无需两次走到beginIndex：

    public String codePointSubstring(String s, int start, int end) {
        int a = s.offsetByCodePoints(0, start);
        return s.substring(a, s.offsetByCodePoints(a, end - start));
    }

从此Scala代码段翻译而成：

def codePointSubstring(s: String, begin: Int, end: Int): String = {
  val a = s.offsetByCodePoints(0, begin)
  s.substring(a, s.offsetByCodePoints(a, end - begin))
}

我省略了IllegalArgumentException，因为它们似乎没有包含比反常会抛出的异常更多的信息。

Java子字符串按代码点索引（将代理代码单元对作为单个代码点进行处理）

1 个答案: