Java：带有unicode字符的String.toCharArray（）

Question

我知道char不能包含Unicode字符（比如char c ='\ u1023'）。那我该怎么做呢

    String s = "ABCDEFG\u1023";
    char[] c = s.toCharArray();

出于性能原因，我想将s转换为CharArray，因为我必须循环遍历可能非常长的字符串中的每个字符，这是低效的。任何达到相同结果的东西都可以。

非常感谢！

编辑： 实际上char可以包含unicode字符。我只是傻了。感谢那些帮助过的人。

Answer 1

有人告诉你，在Java char中不能包含Unicode字符，was wrong：

  

整数类型的值是以下范围内的整数：

     

  
• 对于char，从'\u0000'到'\uffff'，包括0到0   65535
  

Answer 2

三件事：

1. 一个字母肯定可以拥有u1023。
2. toCharArray()将返回一个与UTF16
几乎相同的char数组
3. 由于char是16位，并且Unicode跨越21位，因此BMP外部的字符被编码为两个代理字符。 Java 1.5以后版本有API，例如String.codePointAt(...)。如果您使用的是Java 1.4或更早版本，请查看ICU4J。

Answer 3

在Java中，char本质上是一个unsigned short。为了遍历包含char支持的范围之外的unicode字符的字符串（第一个65536），您应该使用以下模式，它将每个代码点存储为int。

for (int i = 0; i < str.length();) {
    int ch = str.codePointAt(i);
    // do stuff with ch...
    i += Character.charCount(ch);
}

Java的设计是对前65536个字符的一流支持，当时这是对C / C ++的改进，它只支持前128或256个字符的一流支持。不幸的是，这意味着Java中必须使用上述模式来支持越来越常见的超出范围的字符。

Answer 4

Java char可以包含the most个Unicode字符，正如其他人已经提到的那样，但是基本多语言平面（BMP）之外的字符被分成多个char并独立处理它们可能会破坏字符串。

为安全起见，您可以将字符串拆分为字符串数组：

String[] c = s.codePoints()
    .mapToObj(cp -> new String(Character.toChars(cp)))
    .toArray(size -> new String[size]);

...或使用Character对象的isSurrogate，isLowSurrogate和isHighSurrogate方法来阻止更改对中的char个：{/ p>

Character.isSurrogate('a');