Nessuna delle risposte proposte funziona con coppie surrogate utilizzate per codificare caratteri al di fuori del piano multilingue Unicode Basic .
Ecco un esempio che utilizza tre diverse tecniche per scorrere i "caratteri" di una stringa (incluso l'utilizzo dell'API stream Java 8). Si noti che questo esempio include i caratteri del piano multilingue complementare Unicode (SMP). È necessario un carattere appropriato per visualizzare correttamente questo esempio e il risultato.
// String containing characters of the Unicode
// Supplementary Multilingual Plane (SMP)
// In that particular case, hieroglyphs.
String str = "The quick brown 𓃥 jumps over the lazy 𓊃𓍿𓅓𓃡";
Iterate di caratteri
La prima soluzione è un semplice ciclo su tutta char
la stringa:
/* 1 */
System.out.println(
"\n\nUsing char iterator (do not work for surrogate pairs !)");
for (int pos = 0; pos < str.length(); ++pos) {
char c = str.charAt(pos);
System.out.printf("%s ", Character.toString(c));
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
}
Iterate di punti di codice
La seconda soluzione utilizza anche un ciclo esplicito, ma accedendo a singoli punti di codice con codePointAt e incrementando l'indice di ciclo di conseguenza a charCount :
/* 2 */
System.out.println(
"\n\nUsing Java 1.5 codePointAt(works as expected)");
for (int pos = 0; pos < str.length();) {
int cp = str.codePointAt(pos);
char chars[] = Character.toChars(cp);
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to a `char[]`
// as code points outside the Unicode BMP
// will map to more than one Java `char`
System.out.printf("%s ", new String(chars));
// ^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
pos += Character.charCount(cp);
// ^^^^^^^^^^^^^^^^^^^^^^^
// Increment pos by 1 of more depending
// the number of Java `char` required to
// encode that particular codepoint.
}
Scorrere i punti di codice utilizzando l'API Stream
La terza soluzione è sostanzialmente la stessa della seconda, ma utilizzando l' API Java 8 Stream :
/* 3 */
System.out.println(
"\n\nUsing Java 8 stream (works as expected)");
str.codePoints().forEach(
cp -> {
char chars[] = Character.toChars(cp);
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to a `char[]`
// as code points outside the Unicode BMP
// will map to more than one Java `char`
System.out.printf("%s ", new String(chars));
// ^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
});
risultati
Quando si esegue quel programma di test, si ottiene:
Using char iterator (do not work for surrogate pairs !)
T h e q u i c k b r o w n ? ? j u m p s o v e r t h e l a z y ? ? ? ? ? ? ? ?
Using Java 1.5 codePointAt(works as expected)
T h e q u i c k b r o w n 𓃥 j u m p s o v e r t h e l a z y 𓊃 𓍿 𓅓 𓃡
Using Java 8 stream (works as expected)
T h e q u i c k b r o w n 𓃥 j u m p s o v e r t h e l a z y 𓊃 𓍿 𓅓 𓃡
Come puoi vedere (se sei in grado di visualizzare correttamente i geroglifici), la prima soluzione non gestisce correttamente i caratteri al di fuori del BMP Unicode. D'altra parte, le altre due soluzioni affrontano bene le coppie surrogate.