Java 文字列で Unicode コードポイントを反復処理するにはどうすればよいでしょうか?

Java 文字列の Unicode コードポイントの反復処理

はじめに

Java 文字列の Unicode コードポイントの反復処理には、一意のJava は UTF-16 風のエンコーディングを使用するため、このアプローチは重要です。この記事では、さまざまな戦略を検討し、基本多言語面 (BMP) の外側の文字エンコードに関する懸念に対処します。

問題へのアプローチ

最初は String の使用を検討するかもしれません。 #codePointAt(int) 文字オフセットによってインデックス付けされます。ただし、このアプローチには 2 つの懸念があります。それは、コードポイント オフセットによってインデックス付けされていないことと、BMP の外部でコードポイントを処理することによって課題が生じることです。

代替アプローチには、String#charAt(int) を使用して文字を取得し、そのメンバーシップをテストすることが含まれます。高いサロゲート範囲。この方法は、コードポイントが BMP の外側にあるかどうかを判断する方法を提供しますが、次の欠点があります:

• BMP 範囲のコードポイントの表現に関する不確実性
• 高い計算コスト

最適な解決策

幸いなことに、Java は String#codePointAt(int):

<code class="java">for (int offset = 0; offset < length; ) {
   final int codepoint = s.codePointAt(offset);

   // do something with the codepoint

   offset += Character.charCount(codepoint);
}</code>

懸念事項への対処

Java は実際に UTF-16 風のエンコーディングを使用し、BMP の外に文字をサロゲートとして保存します。
• 上記のコードは BMP を処理します。 -range コードポイントを正しく指定します。
• Character.charCount(codepoint) によってオフセットを増やすと、サロゲート ペアが正しくナビゲートされます。

結論

まとめると、Java String で Unicode コードポイントを反復処理するには、基礎となるエンコーディングについての深い理解が必要です。ただし、この記事で概説されている標準的なアプローチを使用すると、この一般的なニーズに対する正しく効率的なソリューションが提供されます。

以上がJava 文字列で Unicode コードポイントを反復処理するにはどうすればよいでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。