如何遍历Java字符串的unicode代码点？

所以我知道String#codePointAt(int)，但是它是由char偏移量而不是由代码点偏移量索引的。

我正在考虑尝试类似的方法：

• 使用String#charAt(int)得到char的指数
• 测试是否char在高替代范围内
  • 如果是这样，请使用String#codePointAt(int)以获得代码点，并将索引增加2
  • 如果不是，则使用给定char值作为代码点，并将索引增加1

但是我担心的是

• 我不确定自然位于高代理范围内的代码点将存储为两个char值还是一个
• 这似乎是一种遍历字符的可怕的昂贵方法
• 一定有人想出了更好的东西。

是的，Java对字符串的内部表示使用UTF-16式编码，是的，它使用替代方案对基本多语言平面（BMP）之外的字符进行编码。

如果您知道将要处理BMP之外的字符，那么以下是遍历Java String字符的规范方法：

final int length = s.length();
for (int offset = 0; offset < length; ) {
   final int codepoint = s.codePointAt(offset);

   // do something with the codepoint

   offset += Character.charCount(codepoint);
}

Java 8已添加CharSequence#codePoints，它返回一个IntStream包含代码点的。您可以直接使用流对它们进行迭代：

string.codePoints().forEach(c -> ...);

或使用for循环将流收集到数组中：

for(int c : string.codePoints().toArray()){
    ...
}

这些方法可能比Jonathan Feinbergs的解决方案昂贵，但它们的读/写速度更快，并且性能差异通常不明显。

对代码点进行迭代是Sun的一项功能请求。

请参阅Sun Bug条目

还有一个示例，说明如何在此处迭代String CodePoints。

以为我会添加一种适用于foreach循环（ref）的解决方法，另外，当您移至Java 8时，可以轻松地将其转换为Java 8的新String＃codePoints方法：

您可以将它与foreach一起使用，如下所示：

 for(int codePoint : codePoints(myString)) {
   ....
 }

这是助手的方法：

public static Iterable<Integer> codePoints(final String string) {
  return new Iterable<Integer>() {
    public Iterator<Integer> iterator() {
      return new Iterator<Integer>() {
        int nextIndex = 0;
        public boolean hasNext() {
          return nextIndex < string.length();
        }
        public Integer next() {
          int result = string.codePointAt(nextIndex);
          nextIndex += Character.charCount(result);
          return result;
        }
        public void remove() {
          throw new UnsupportedOperationException();
        }
      };
    }
  };
}

或者，如果您只想将字符串转换为int数组（可能比上述方法使用更多的RAM），请执行以下操作：

 public static List<Integer> stringToCodePoints(String in) {
    if( in == null)
      throw new NullPointerException("got null");
    List<Integer> out = new ArrayList<Integer>();
    final int length = in.length();
    for (int offset = 0; offset < length; ) {
      final int codepoint = in.codePointAt(offset);
      out.add(codepoint);
      offset += Character.charCount(codepoint);
    }
    return out;
  }

值得庆幸的是，使用“ codePoints”可以安全地处理UTF-16（Java的内部字符串表示形式）的代理配对。