如何获得一个反转的字符串（unicode 安全）

Question

假设我们想要恢复以下字符串“áe”。

它的 unicode 是“\u0061\u0301\u0065”。

还原它的幼稚方法是逐个字符

private static String reverseStringNaive(String s) {
    char[] characters = new char[s.length()];
    for (int i = s.length() - 1; i >= 0; i--) {
        int j = s.length() - i - 1;
        characters[j] = s.charAt(i); 
    }
    return new String(characters);
}

当我们希望得到“eá”（\u0065\u0061\u0301）时，这给了我们“éa”（\u0065\u0301\u0061）。重音“´”应该和“a”连在一起，而不是变成“e”。

以下代码为我提供了该字符串的预期结果：

private static String reverseString(String s) {
    char[] characters = new char[s.length()];
    for (int i = s.length() - 1; i >= 0; i--) {
        int j = s.length() - i - 1;
        if (Character.isLetterOrDigit(s.charAt(i)) || Character.isISOControl(s.charAt(i))) {
            characters[j] = s.charAt(i); 
        } else {
            characters[j] = s.charAt(i-1);
            characters[j+1] = s.charAt(i);
            i--;
        }
    }
    return new String(characters);
}

我正在检查每个字符是字母、数字还是 ISO 控制。如果不是，我假设它应该与前一个字符粘在一起。

问题是，我还应该检查或担心其他事情吗？我的做法还幼稚吗？

Answer 1

您的问题也可以通过将字符串转换为规范分解形式 NFC 来解决。基本上，java.text.Normalizer 类可用于将重音符号和其他组合字符与其基字符组合起来，这样您就可以正确地反转。

所有这些其他想法（String.reverse()、StringBuffer.reverse()）将正确地反转缓冲区中的字符，但如果你从分解的字符开始，你可能不会得到你所期望的 :)。

在某些“分解形式”中，重音字符与其基本形式（作为单独的字符）分开存储，但在“组合”形式中则不是。因此，在一种形式中，“áe”被存储为三个字符，而在另一种组合形式中，存储为两个。

但是，这种规范化不足以处理其他类型的字符组合，也不能解释 Unicode 星体平面中的字符，这些字符在 Java 中存储为两个（或更多？）字符。

感谢 tchrist 指出 ICU 对文本分割的支持，包括扩展的字素簇，例如在下面的 cmets 中确定的那个（参见 virama）。 This resource 似乎是这类东西的权威信息来源。