Java反转字符串和相关字符编码的问题解决
发布时间：2020-12-14 05:21:00 所属栏目：Java 来源：网络整理
导读：复制代码 代码如下: public String reverse(char[] value){ for (int i = (value.length - 1) 1; i = 0; i--){ char temp = value[i]; value[i] = value[value.length - 1 - i]; value[value.length - 1 - i] = temp; } return new String(value); } 这样的
|
复制代码 代码如下: public String reverse(char[] value){ for (int i = (value.length - 1) >> 1; i >= 0; i--){ char temp = value[i]; value[i] = value[value.length - 1 - i]; value[value.length - 1 - i] = temp; } return new String(value); } 这样的代码，在算法方面是没有任何问题的。但是今天在查看StringBuffer源代码的时候发现，其中reverse方法的源代码写的很精妙。源代码如下： 复制代码 代码如下: public AbstractStringBuilder reverse() { boolean hasSurrogate = false; int n = count - 1; for (int j = (n-1) >> 1; j >= 0; --j) { char temp = value[j]; char temp2 = value[n - j]; if (!hasSurrogate) { hasSurrogate = (temp >= Character.MIN_SURROGATE && temp <= Character.MAX_SURROGATE) || (temp2 >= Character.MIN_SURROGATE && temp2 <= Character.MAX_SURROGATE); } value[j] = temp2; value[n - j] = temp; } if (hasSurrogate) { // Reverse back all valid surrogate pairs for (int i = 0; i < count - 1; i++) { char c2 = value[i]; if (Character.isLowSurrogate(c2)) { char c1 = value[i + 1]; if (Character.isHighSurrogate(c1)) { value[i++] = c1; value[i] = c2; } } } } return this; } 这个方法是定义在StringBuffer的父类AbstractStringBuilder中的，所以该方法的返回值是AbstractStringBuilder，在子类中调用的方式如下： 复制代码 代码如下: public synchronized StringBuffer reverse() { super.reverse(); return this; } 从方法的内容来看，源代码中的基本思路是一致的，同样采用遍历一半字符串，然后将每个字符与其对应的字符进行交换。但是有不同之处，就是要判断每个字符是否在Character.MIN_SURROGATE(ud800)和Character.MAX_SURROGATE(udfff)之间。如果发现整个字符串中含有这种情况，则再次从头至尾遍历一次，同时判断value[i]是否满足Character.isLowSurrogate()，如果满足的情况下，继续判断value[i+1]是否满足Character.isHighSurrogate()，如果也满足这种情况，则将第i位和第i+1位的字符互换。可能有的人会疑惑，为什么要这么做，因为Java中的字符已经采用Unicode代码，每个字符可以放下一个汉字。为什么还要这么做？ 一个完整的 Unicode 字符叫代码点CodePoint，而一个 Java char 叫 代码单元 code unit。String 对象以UTF-16保存 Unicode 字符，需要用2个字符表示一个超大字符集的汉字，这这种表示方式称之为 Surrogate，第一个字符叫 Surrogate High，第二个就是 Surrogate Low。具体需要注意的事宜如下： 判断一个char是否是Surrogate区的字符，用Character的 isHighSurrogate()/isLowSurrogate()方法即可判断。从两个Surrogate High/Low 字符，返回一个完整的 Unicode CodePoint 用 Character.toCodePoint()/codePointAt()方法。 一个Code Point，可能需要一个也可能需要两个char表示，因此不能直接使用 CharSequence.length()方法直接返回一个字符串到底有多少个汉字，而需要用String.codePointCount()/Character.codePointCount()。 要定位字符串中的第N个字符，不能直接将N作为偏移量，而需要从字符串头部依次遍历得到，需要用String/Character.offsetByCodePoints() 方法。 从字符串的当前字符，找到上一个字符，也不能直接用offset-- 实现，而需要用 String.codePointBefore()/Character.codePointBefore()，或用 String/Character.offsetByCodePoints() 从当前字符，找下一个字符，不能直接用 offset++实现，需要判断当前 CodePoint的长度后，再计算得到，或用String/Character.offsetByCodePoints()。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |