如何在 Java 中编写 3 个字节的 unicode 文字？

Posted 2023-02-24

【中文标题】如何在 Java 中编写 3 个字节的 unicode 文字？

【英文标题】：How to write 3 bytes unicode literal in Java?

【发布时间】：2014-08-29 06:35:00

【问题描述】：

我想用 Java 编写 unicode 文字 U+10428。 http://www.marathon-studios.com/unicode/U10428/Deseret_Small_Letter_Long_I

我尝试使用 '\u10428'，但它无法编译。

【问题讨论】：

Print string literal unicode as the actual character的可能重复

"\u" 格式是十六进制，而不是十进制。

我认为这是一个不同的问题。

是的，而且似乎 U+10428 是十六进制的。 @jtahlborn

3-Byte Unicode 对于 U+10000 及以上来说是一个可怕的术语（因为 10000 不是字节）。但是，如果这就是将您带到这里的原因，您可能会找到答案。

【参考方案1】：

因为当人们认为 64K 足以满足所有人的需求时，Java 采用了完整的 unicode（以前从哪里听说过？），他们从 UCS-2 开始，后来升级到 UTF-16。

但他们从不费心为 BMP 之外的 unicode 字符添加转义序列。

因此，您唯一的办法是手动重新编码为 UTF-16 代理对并使用两个 UTF-16 转义符。

您的示例代码点U+10428 是"\uD801\uDC28"。

我使用这个网站进行重新编码：https://rishida.net/tools/conversion/

Quote from the docs:

3.10.5 字符串文字

字符串文字由零个或多个用双引号括起来的字符组成。字符可以由转义序列（第 3.10.6 节）表示 - 一个转义序列用于 U+0000 到 U+FFFF 范围内的字符，两个转义序列用于 U+010000 到范围内字符的 UTF-16 代理代码单元U+10FFFF。

【讨论】：

在 Java 中，它不能。无论如何，请注意“一个字符”：根据上下文（有时不存在或过于模糊），它可以表示字节、代码单元、代码点和字形的任何内容。