如何在 Java 中计算字素簇或“感知”的表情符号字符答案

【问题标题】：How to count grapheme clusters or "perceived" emoji characters in Java如何在 Java 中计算字素簇或“感知”的表情符号字符
【发布时间】：2016-11-30 01:34:16
【问题描述】：

我正在计算提供的 Java 字符串中感知到的表情符号字符的数量。我目前正在使用emoji4j 库，但它不适用于像这样的字素簇：??????‍????‍??????‍????

调用EmojiUtil.getLength("????‍????‍????‍????")返回4而不是1，同样调用EmojiUtil.getLength("????????‍????‍????‍????")返回5而不是2。

在 Java 中 String 上是否有任何 API 或方法可以轻松计算字素簇？

我一直在寻找，但可以理解的是，String 上的 codePoints() 方法不仅包括可见的表情符号，还包括零宽度连接符。

我也尝试过使用BreakIterator：

public static int getLength(String emoji) {
    BreakIterator it = BreakIterator.getCharacterInstance();
    it.setText(emoji);
    int emojiCount = 0;
    while (it.next() != BreakIterator.DONE) {
        emojiCount++;
    }
    return emojiCount;
}

但它的行为似乎与codePoints() 方法相同，返回8 类似"????????‍????‍????‍????"。

【问题讨论】：

有趣的话题。我试图找出这是什么类型的字符（您的第一个示例），我想知道这些组合表情符号的组合是否是供应商采用的真正的 unicode 标准或约定。您的第一个示例是女人、女人、男孩、男孩的 unicode 字符与零宽度连接符的组合。 emojipedia.org/emoji/…
将字符组合成表情符号的一种方法是使用零宽度连接代码点 (ZWJ/ U+200D)。因此，获取可见字符数的一种方法是遍历所有 unicode 代码点，并且每当遇到 ZWJ 时，减去两个（对于 ZWJ 和合并到前一个字符中的下一个字符）。然而，还有更多的方式来组成 emojis（和 unicode 字符），所以你最好的选择是等待 emoji4j 更新或自己做。
What's the correct algorithm to determine number of user-perceived-characters?的可能重复
看起来 Java 不支持计算 Grapheme Clusters（感知字符）。所以上面的问题/答案应该仍然有效。
有点不同 - 这个问题（以及上面的一些 cmets）是避免使用任何更高级别的函数或第三方位，如 ICU 库。（他们想从int[] 到表情符号计数。）我只是在使用字符串，很乐意使用任何可用的资源。在初步测试中，ICU 库似乎可以工作 - 我会确保然后添加答案。

标签： java character emoji grapheme

【解决方案1】：

我最终使用了ICU library，效果更好。我的原始代码块不需要任何更改（除了 import 语句），因为它只是提供了 BreakIterator 的不同实现。

【讨论】：