String.codePointAt这个方法到底是做什么的？

Question

最近，我遇到了Java中的String类的codePointAt方法。我还发现了其他一些codePoint方法：codePointBefore，codePointCount等。它们肯定与Unicode有关，但我并不理解。

现在我想知道何时以及如何使用codePointAt和类似的方法。

- Michael

Answer 1

简短回答: 它给出了在String中指定索引处开始的Unicode代码点。 即该位置字符的“Unicode编号”。

更详细的解释: Java创建时只使用16位（也称为char）就足以容纳任何已存在的Unicode字符（这些部分现在被称为基本多语言面板或BMP）。 稍后，Unicode扩展以包括具有大于2 ¹⁶ 的代码点的字符。 这意味着char不再能够保存所有可能的Unicode代码点。

UTF-16是解决方案：它将“旧”Unicode代码点存储在16位中（即恰好一个char），并将所有新的Unicode代码点存储在32位中（即两个char值）。这两个16位值被称为“代理对”。现在严格来说，char保存的是“UTF-16代码单元”而不是“Unicode字符”，就像以前一样，所有“旧”的方法（仅处理char）仍然可以正常使用，只要您不使用任何“新”的Unicode字符（或者根本不关心它们），但是如果您也关心新字符（或者需要完整的Unicode支持），那么您将需要使用“代码点”版本，它实际上支持所有可能的Unicode代码点。

注意：一个非常著名的Unicode字符集中不包含基本多文种平面（BMP）的例子是表情符号：即使是简单的Grinning Face U+1F600也不能用单个char表示。

- Joachim Sauer

---

请您提供一个例子，其中charAt()无法提供完整的代码点，但是codePointAt()可以成功地提供。 - Zaid Khan

对于Zaid Khan：String s3 =“\ u0041 \ u00DF \ u6771 \uD801\uDC00”； System.out.println（s3.charAt（3））; System.out.println（s3.codePointAt（3））； - user1643352

Answer 2

代码点支持65535以上的字符，即Character.MAX_VALUE。

如果您的文本包含这样高的字符，则必须使用代码点或int而不是char进行处理。

它通过支持UTF-16实现，可以使用一个或两个16位字符并将其转换为int。

据我所知，通常仅需要对最近添加的补充多语言和补充表意文字字符进行此操作，例如非传统汉字。

- Peter Lawrey

---

好的，不仅限于非传统汉字：https://en.wikipedia.org/wiki/Plane_(Unicode) 许多较少人知道的语言、一些数学符号、表情符号以及几乎所有最近引入Unicode的内容都存在于BMP之外。这里有一个相关的问题（https://dev59.com/lG035IYBdhLWcg3wMNCW）。 - Joachim Sauer

Answer 3

下面的代码示例有助于澄清使用codePointAt的方法

    String myStr = "13";
    System.out.println(myStr.length()); // print 4, because  is two char
    System.out.println(myStr.codePointCount(0, myStr.length())); //print 3, factor in all unicode
    
    int result = myStr.codePointAt(0);
    System.out.println(Character.toChars(result)); // print 1
    
    result = myStr.codePointAt(1);
    System.out.println(Character.toChars(result)); // print , because codePointAt will get surrogate pair (high and low)
    
    result = myStr.codePointAt(2);
    System.out.println(Character.toChars(result)); // print low surrogate of  only, in this case it show "?"
    
    result = myStr.codePointAt(3);
    System.out.println(Character.toChars(result)); // print 3

- Sam YC

Answer 4

简而言之，只要您在Java中使用默认字符集，就很少会出现问题 :) 但是，如果需要更详细的解释，请尝试这些文章：

比较char和代码点？ http://docs.oracle.com/javase/1.5.0/docs/api/java/lang/Character.html http://javarevisited.blogspot.com/2012/01/java-string-codepoint-get-unicode.html

希望这能帮助澄清问题 :)

- JTMon

---

这些方法与字符集没有直接关系（除了我不知道有哪些非通用字符集编码BMP之外的任何内容）。 - Joachim Sauer