编码 - codePointCount 和长度之间的不同结果答案

【问题标题】：encodings - different result between codePointCount and length编码 - codePointCount 和长度之间的不同结果
【发布时间】：2013-12-08 08:37:07
【问题描述】：

我发现了一个棘手的地方，找不到任何答案为什么会发生这种情况。

主要问题是字符串有多长。

是否包含一个或两个字符。

代码：

public class App {
    public static void main(String[] args) throws Exception {
        char ch0 = 55378;
        char ch1 = 56816;
        String str = new String(new char[]{ch0, ch1});
        System.out.println(str);
        System.out.println(str.length());
        System.out.println(str.codePointCount(0, 2));
        System.out.println(str.charAt(0));
        System.out.println(str.charAt(1));
    }
}

输出：

?
2
1
?
?

有什么建议吗？

【问题讨论】：

我建议你花点时间去看看this article
你期待什么输出？

标签： java encoding

【解决方案1】：

是否包含一个或两个字符。

它包含一个 Unicode 字符，它由 2 个 UTF-16 代码单元组成。 Java 中的每个 char 都是一个 UTF-16 代码单元……它可能不是一个完整的字符。每个字符都有一个代码点 - Unicode 提供了一个编码字符集，将每个字符映射到一个表示该字符（代码点）的整数。

length() 返回代码单元的数量，而codePointCount 返回代码点的数量。

您可能想看看我关于 encodings in .NET 的文章 - 术语都可以很好地翻译（因为它是标准术语），所以请忽略特定于 .NET 的部分。

【讨论】：

这正是我想要的