求助！关于String的codePointCount方法和代码点……

Zerozaki_Kagamiori 2010-07-15 01:16:31

本人刚刚开始自学Java，如果下面的叙述有什么错误，请大家多多包涵。
《Java 核心技术卷1》上关于代码单元和代码点的地方有一段解说，大意如下：

用length方法可以得到该string的代码单元数，比如：
String greeting = "Hello";
int n = greeting.length(); // is 5
用codePointCount方法可以得到该string的真正长度（原文是true length），也就是代码点数，比如：
int cpCount = greeting.codePointCount(0, greeting.length());

我自己试了一下，greeting = "中文"的时候，length和codePointCount得到的结果都是2，greeting = "English"的时候，
length和codePointCount得到的结果都是7，也就是说，length和codePointCount方法的效果一样？可是我觉得书上那段话好像不是这个意思啊……不明白……

另外，书上还有一段，大意如下：

String sentence = "Ｚ is the set of integers";
那么char ch = sentence.charAt(1);不会返回一个空格，而是Ｚ的第二个代码单元（原文是the second code unit of Ｚ）,如果要避免这个问题，就不要使用char类型，因为它太low-level。

于是我又试了一下:
sentence = "Ｚ is";
char ch = sentence.charAt(1);
结果返回的就是空格……囧……

完全搞不明白了，请大家不吝赐教~~

...全文

596 5 打赏收藏转发到动态举报

写回复

用AI写文章

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

Zerozaki_Kagamiori 2010-07-16

打赏
举报

差不多明白了，我…好像小看Unicode了……
原文中不是这个‘Ｚ’，是一个特殊符号，多半就是增补字符了吧，我打不出这个字符，还以为用全角的字母也是一样，看来还是我愚钝了……
总之谢谢大家~

ctkqqq 2010-07-15

打赏
举报

这里API和源码例子
一个英文的，一个翻译的：
http://apicode.gicp.net/class.do?api=selectByfatherIndex&father=255
http://apicodecn.gicp.net/class.do?api=selectByfatherIndex&father=255

火龙果被占用了 2010-07-15

打赏
举报

[Quote=引用楼主 zerozaki_kagamiori 的回复:]
String sentence = "Ｚ is the set of integers";

那么char ch = sentence.charAt(1);不会返回一个空格，而是Ｚ的第二个代码单元（原文是the second code unit of Ｚ）,如果要避免这个问题，就不要使用char类型，因为它太low-level。
[/Quote]

这个返回的就是空格啊，原文是啥？

火龙果被占用了 2010-07-15

打赏
举报

public class Main {



    public static void main(String[] args) {

        char[] chs = Character.toChars(0x10400);

        System.out.printf("U+10400 高代理字符: %04x%n", (int)chs[0]);

        System.out.printf("U+10400 低代理字符: %04x%n", (int)chs[1]);        

        String str = new String(chs);

        System.out.println("代码单元长度: " + str.length());

        System.out.println("代码点数量: " + str.codePointCount(0, str.length()));

    }

}

火龙果被占用了 2010-07-15

打赏
举报

一般不需要考虑代码单元的长度值，可以简单地认为其与代码点的长度是一样的。

只有增补字符，即代码点为 U+10000～U+10FFFF 的字符，这是 Unicode 5.0 中新增的代码点字符。

在 Java 中一个 Unicode 字符是使用 UTF-16 编码的 char 进行表示的，也就是一个 char 只能表示 U+0000～U+FFFF 的 Unicode 基本字符（BMP）。因此在 Java 中需要表示 U+10000～U+10FFFF 的字符需要使用一对代理字符进行表示，高代理字符的范围为 U+D800～U+DBFF，低代理字符的范围为 U+DC00～U+DFFF。比如表示 U+10400 的字符需要两个 char（U+D801, U+DC00）才能表示，这时的代码点长度为 1，而代码单元长度为 2。