java 8 String.chars() 是不是适用于 8 字节字符？

Posted 2023-02-25

【中文标题】java 8 String.chars() 是不是适用于 8 字节字符？

【英文标题】：Does java 8 String.chars() work properly with 8 byte chars?java 8 String.chars() 是否适用于 8 字节字符？

【发布时间】：2016-08-21 01:49:42

【问题描述】：

由于 java 8 String.chars() 返回一个 IntStream，如果你想要一个字符流，我发现的最佳答案是强制转换 i -> (char) i，我想知道是否有人知道这是否正常工作使用实际占用 8 个字节的 UTF-16 字符？

【问题讨论】：

8 个字节？不是所有的 Unicode 字符最多都适合两个 UTF-16 代码单元（即 4 个字节）吗？

【参考方案1】：

取决于您对正确的定义：不，它没有。

Java char 是一个 16 位 UTF-16 代码单元。任何比这更长的都表示为两个char (as "surrogate pairs")。

String#length() 也是如此。它将返回char 的数量，因此您的“长字符”将计为两个。

返回IntStream 的原因是just to not need to introduce a CharStream class。包含的数据仍将仅在char 16 位范围内。

但是，除了chars()，还有.codePoints()，它确实返回32位Unicode代码点（也作为IntStream）。

【讨论】：

“解析”是什么意思？

这不可能发生。每个char 产生一个IntStream 条目。你可以简单地做一个char x = (char) i 来“转换”。 （一些 Unicode 字符表示为两个char，但这是一个不同的问题）。

但是有 8 字节的字符吗？最多应为 4 个字节，至少在 UTF-16 中。

您在@Thilo 的回答中看到您可以调用 .codePoints() 而不是 chars() 将代理对折叠成一个 int 吗？

@tumunu：您不能“将 8 个字节填充到 32 位值中”，因为 8 个字节是 64 位。 Unicode 代码点使用 21 位，甚至可以放入三个字节，但对于处理它们，通常使用由 四个 字节组成的 ints，您可以在 Java 中使用 String.codePoints() 来执行此操作，您可能被忽略了，因为它继承自CharSequence。