Question

我对Java还是很陌生，所以请保持柔和。

这似乎是一个常见的问题，但我似乎仍然找不到所需的答案。

我正在编写一个控制台应用程序，它将使用一串字符并将它们打印在屏幕上，但更大。例如：“ JAVA”将打印为：

 JJJJJ   A   V   V   A
   J    A A  V   V  A A
   J   A   A V   V A   A
   J   AAAAA V   V AAAAA
   J   A   A V   V A   A
 J J   A   A  V V  A   A
 JJJ   A   A   V   A   A

没什么特别的。字符串被分解为字符，然后在一个大的开关盒中查找每个字符，然后返回较大的字母。在必要时进行一些包装后，将大字母粘在一起并打印。

这太容易了，并且由于我想让生活变得更具挑战性，所以我想允许某些unicode字符，例如黑心（❤）\ u2674（无论如何，这就是Windows字符映射所声称的））。基本上，将某种代码传递给参数将在内部替换为强字符并解释为unicode字符，例如：JAVA {HEART}可能会输出（我知道心脏被弄乱了，但是使用等宽字体可以正常显示）：

 JJJJJ   A   V   V   A     ❤❤  ❤❤
   J    A A  V   V  A A   ❤❤❤❤❤❤
   J   A   A V   V A   A   ❤❤❤❤❤
   J   AAAAA V   V AAAAA    ❤❤❤❤
   J   A   A V   V A   A     ❤❤❤
 J J   A   A  V V  A   A      ❤❤
 JJJ   A   A   V   A   A       ❤

据我所知，unicode应该适合一个char（2个字节），并且绝对应该适合int（4个字节），所以我做了一个实验。在大街上的话是强制转换为int会给您字符代码。

String unicodeStr = "\u2674"; // Unicode for black heart.
System.out.println(unicodeStr.getBytes().length); // Only one byte, so should fit into a char, right?

char unicode = '\u2674'; // All good so far.
System.out.println((int)unicode); // Returns 9844. WTAF??

System.exit(-1); // Argh! Oh noez... Panic!

很明显，我在这里误解了一些东西，但是我不知道是什么。请有人可以解释为什么我输入了错误的字符代码吗？我曾尝试使用codePoints，但显然我也不知道我在做什么。如果有人能指出我正确的方向，我将永远感激不已。目的是将字符串分割成多个字符，然后通过开关盒将每个字符转换成一个大字母。

Answer 1

根据specification，getBytes()使用平台默认值字符集对字符串进行编码，这与Java的内部编码UTF-16不同。这就是为什么您的getBytes()返回一个长字节数组的原因。

但是实际上，字符'\u2674'的UTF-16表示形式可以放入单个字符中，因为9844是十六进制值0x2674的十进制表示形式。

但是我仍然建议您使用codePoints，因为有些字符不能存储在单个字符中，例如U+1D161（）。

要使用codePoints迭代String，可以使用以下代码：

public class Main {

    public static void main(String[] args) {
        String str = "JAVA\uD834\uDD61\u2665";
        int len = str.length();
        for(int i = 0; i < len; ) {
            int cp = str.codePointAt(i);
            i += cp > 0xFFFF ? 2 : 1;

            if(cp == "\u2665".codePointAt(0)) {
                System.out.println("Heart!");
            }
            else if(cp == "\uD834\uDD61".codePointAt(0)){
                System.out.println("Music!");
            }
            else{
                System.out.println((char)cp);
            }
        }
    }

}

输出：

JAVA♥
size: 6
J
A
V
A
Music!
Heart!

我们为什么要使用\uD834\uDD61来代表U+1D161？

根据wikipedia，为了表示UTF-16中的U + 10000〜U + 10FFFF字符，我们需要用0x10000减去0x1D161，然后得到0x0D161，即（0000 1101 0001 0110 0001）以二进制格式。

然后，我们取高十位，即（0000 1101 00）或0x034，将0x034与0xD800相加，得到0xD834。这是U + 1D161的UTF-16表示形式的高字节。

对于低十位，我们得到0x161 + 0xDC00，即0xDD61。

还有另一个问题，String.codePointAt将char索引作为参数。有时，一个代码点可能占用两个字符的空间，因此在增加0xFFFF之前，我们应检查当前代码点是否大于i。

顺便说一句，如果您使用的是Java 1.8，则可以使用新的String.codePoints API，该API返回一个IntStream。

Answer 2

首先，您在问题中显示的字符是Unicode字符HEAVY BLACK HEART或U + 2764，因此其代码为0x2764。

然后，当您将字符转换为int时，将获得其代码点。因此，是的，(int) '\u2674' 是0x2674或十进制9844。所以得到它也就不足为奇了。

如果您要打印字符，则无需转换即可打印：

System.out.print(unicode); // no end of line after the character System.out.println(unicode); // character followed with an end of line

Answer 3

unicodeStr.getBytes（）。length是与字符集有关的

检查此一项： Bytes of a string in Java

将unicode字符转换为int会给出错误的代码

3 个答案: