大聪明教你学Java |
您所在的位置：网站首页 › 感叹号算特殊字符吗 › 大聪明教你学Java |
大聪明教你学Java
|
前言
看到这个标题的时候估计有小伙伴会说：一个字符的 String.length() 肯定是1呗，那还能是多少… 但是事实真的是这样吗😉… 一探究竟咱们先举个例子👇 /** * @description: Demo * @author: 庄霸.liziye * @create: 2022-02-11 09:23 **/ public class Demo { public static void main(String [] args){ String message = "我在人民广场吃着炸鸡"; System.out.println("message的长度是：" + message.length()); } }各位小伙伴肯定一眼就能看出来结果是多少，没错~ 打印出来的长度是10💯那么我把上面的代码修改一下，大家再看看结果是多少呢👇 /** * @description: Demo * @author: 庄霸.liziye * @create: 2022-02-11 09:23 **/ public class Demo { public static void main(String [] args){ String message = "我在人民广场吃着炸鸡𝄞"; System.out.println("message的长度是：" + message.length()); } }估计会有小伙伴脱口而出：这不就是多了一个符号嘛，结果肯定是11，这可难不倒我😄。那咱们一起来看看控制台打印出来的结果是多少~
把注释翻译一下，大概的意思是：返回此字符串的长度，返回的长度等于字符串中的 unicode 代码单元数。那 “unicode 代码单元数” 又是什么呢？咱们接着往下看👇 在 Java 中有内码和外码的区分，简单来说内码就是 char 或 String 在内存里使用的编码方式；除内码外的编码方式都可以认为是外码（class 文件的编码也可以认为是外码）。而 Java 内码，也就是 unicode 中使用的是 UTF-16 编码方式。那么我们把上面的翻译再做进一步的解释就是：返回字符串的长度，这一长度等于字符串中的 UTF-16 的代码单元的数目。 代码单元（Code Unit）指的是一种转换格式（UTF）中最小的一个分隔，因此，一种转换格式只会包含整数个单元（UTF-X 中的数字 X 就是各自代码单元的位数）。UTF-16 的 16 指的就是最小为 16 位一个单元，即两字节为一个单元，UTF-16 可以包含一个单元和两个单元，对应即是两个字节和四个字节。我们操作 UTF-16 时就是以它的一个单元为基本单位的。UTF-16编码一个字符对 U+0000 - U+FFFF 范围内的字符采用2字节进行编码，而超过这个范围（大于 U+FFFF）的字符则采用四字节进行编码，前者是两字节也就是一个代码单元，后者一个字符是四字节也就是两个代码单元。说到这各位小伙伴肯定就明白了，因为 𝄞 字符的 Unicode 值大于 U+FFFF ，所以该字符在编码时用了四个字节，也就是两个代码单元，这也就是为什么 𝄞 字符的长度会是2。 讲到这或许有小伙伴会提出疑问：那我以后再用 String.length() 方法去计算字符串长度是不是就会出现问题了呢？其实完全不用担心，这种情况是极少遇到的，我们常用的字符（比如感叹号、问号、句号、逗号等等）Unicode 值都在 U+0000 - U+FFFF 范围内，我们是可以直接使用 String.length() 方法去计算其长度的，完全不用担心出现问题。即便我们真的遇到了这种极其特殊的字符，我们可以使用 String.codePointCount(int beginIndex, int endIndex) 方法去计算字符长度👇 /** * @description: Demo * @author: 庄霸.liziye * @create: 2022-02-11 09:23 **/ public class Demo { public static void main(String [] args){ String message = "𝄞"; System.out.println(message.length()); System.out.println(message.codePointCount(0,message.length())); } }
UTF-16 是基于 Unicode 的不定长度的字符编码（不定长度是指，有些字符使用 2 个字节表示，有些字符使用 4 个字节表示）。UTF-16 的基本单位是 2 个字节，英文名叫 code unit，而真正能表示一个 Unicode 字符的数据（在 utf-16 中可能是 2 个字节也可能是 4 个字节）叫代码点，英文名叫 code point。 比如 “𝕆” 这个字符的 Unicode 码（或者叫代码点）是 U+1D546（超过了 上文中提到的编码范围），转换成 UTF-16 后就有两个代码单元，分别为 U+D835 和 U+DD46，此时使用 String.length() 去计算其长度，结果就是2，而如果使用 String.codePointCount(int beginIndex, int endIndex) ，那么结果就为 1 。 总结起来就是一句话：length() 方法计算的是代码单元，codePointCount() 计算的是代码点（即真正的字符数）。 参考： https://juejin.cn/post/6844904036873814023#heading-0https://www.cjavapy.com/article/1692/ 小结本人经验有限，有些地方可能讲的没有特别到位，如果您在阅读的时候想到了什么问题，欢迎在评论区留言，我们后续再一一探讨🙇 希望各位小伙伴动动自己可爱的小手，来一波点赞+关注 (✿◡‿◡) 让更多小伙伴看到这篇文章~ 蟹蟹呦(●’◡’●) 如果文章中有错误，欢迎大家留言指正；若您有更好、更独到的理解，欢迎您在留言区留下您的宝贵想法。 你在被打击时，记起你的珍贵，抵抗恶意； 你在迷茫时，坚信你的珍贵，抛开蜚语； 爱你所爱 行你所行 听从你心 无问东西 |
控制台打印出来的结果居然是12 😮，也就是说 𝄞 字符的长度是2。这个结果就有点出乎意料了，我们在开发的时候肯定也计算过特殊字符（比如感叹号、问号、逗号等等）的长度，这些字符的长度都是1，那为什么 𝄞 的长度就变成了2呢… 各位稍安勿躁，我们一起来看看 String.length() 方法的源码👇
可能有些小伙伴没用过 String.codePointCount(int beginIndex, int endIndex) 方法，这里再简单说解释一下👇【本文地址】