阐明 Java 对 Unicode 的进化支持 [关闭]答案

【问题标题】：Clarifying Java's evolutionary support of Unicode [closed]阐明 Java 对 Unicode 的进化支持 [关闭]
【发布时间】：2016-05-01 06:29:50
【问题描述】：

我发现 Java 对 char 和 codepoint 的区分很奇怪而且不合适。

例如，字符串是字符数组或“出现在字母表中的字母”；与可能是单个字母或可能是复合或代理对的代码点相反。但是，Java 将字符串的字符定义为 char，它不能是复合的或包含代码点的代理，并且定义为 int（这很好）。

但是length() 似乎返回了代码点的数量，而codePointCount() 也返回了代码点的数量，而是组合了复合字符。这最终不是代码点的真正数量？

感觉好像charAt() 应该返回一个String，以便带来复合和代理，并且length() 的结果应该与codePointCount() 交换。

最初的实现感觉有点倒退。它的设计方式有什么原因吗？

更新：codePointAt()、codePointBefore()

还值得注意的是，codePointAt() 和 codePointBefore() 接受索引作为参数，但是，索引作用于字符，范围为 0 到 length() - 1，因此不是基于字符串中的代码点，正如人们可能假设的那样。

更新：equalsIgnoreCase()

String.equalsIgnoreCase() 使用术语normalization 来描述它在比较字符串之前所做的事情。这是用词不当，因为 Unicode 字符串上下文中的规范化可能意味着完全不同的东西。他们的意思是他们使用大小写折叠。

【问题讨论】：

自 Java 1.0 以来 Unicode 的疣上长了疣？
你是对的。提供更多搜索：programmers.stackexchange.com/questions/174947/…
值得注意的是，您读错了But then length() seems to return the number of codepoints 的 API。来自 JDK7 API，它说“长度等于字符串中 Unicode 代码单元的数量”。请注意，它是“Unicode 代码单元”而不是“代码点”

【解决方案1】：

创建 java 时，Unicode 没有代理字符的概念，java 决定将字符表示为 16 位值。

【讨论】：