【问题标题】：Split unicode string into list of character strings将 unicode 字符串拆分为字符串列表
【发布时间】：2021-03-24 20:09:12
【问题描述】：

如何将包含代理对字符和普通字符的 unicode 字符串拆分为 List<String> 个字符？

（需要String 来存储由两个char 组成的代理对字符）

【问题讨论】：

标签： java unicode

【解决方案1】：

试试这个。

String s = "?a?c?";
List<String> result = List.of(s.split("(?<=.)"));
for (String e : result)
    System.out.println(e + " : length=" + e.length());

输出：

? : length=2
a : length=1
? : length=2
c : length=1
? : length=2

代码点

或者，使用code point 整数流。

List<String> result = 
    s
    .codePoints()                    // Produce a `IntStream` of code point numbers.
    .mapToObj(Character::toString)   // Produce a `String` containing one or two java chars for each code point in the stream.
    .collect(Collectors.toList());

看到这个code run live at IdeOne.com。

要捕获代码点，请使用上述代码的这种变体。

List<Integer> codePointNumbers = 
    s
    .codePoints()            
    .boxed()       
    .collect( Collectors.toList() ) ;

运行时：

codePointNumbers.toString(): [128522, 97, 128102, 99, 128522]

【讨论】：

谢谢，我想使用List<Integer> 存储代码点会更容易。
@cdalxndr 是的，我强烈建议您关注代码点 整数来表示单个字符。 Java 中的 char 类型已过时，无法表示大多数 Unicode 字符。杂耍char 值来表示现代Unicode 文本是令人沮丧和不必要的。寻找添加到String 和Character 类的几个面向代码点的方法。我在此答案中添加了另一个代码示例，展示了如何收集代码点整数。