java 遍历String

Java字符串是一系列的Unicode字符序列，但是，它却常常被误认为是char序列。于是，我们经常这样来遍历字符串：

package testchar;

public class TestChar2 {
	public static void main(String[] args) {
		String s = "u0041u00DFu6771ud801uDC00";
		for(int i = 0; i < s.length(); i++) {
			System.out.println(s.charAt(i));
		}
	}
}

然后，得到了意料之外的结果：

A

ß

東

?

?

之所以会这样，是因为Unicode字符和Java的char类型不能等同起来。实际上，Java中的char类型能表示的字符只是Unicode字符的子集，因为char只有16位，也就是说，它只能表示65536（2的16次方）个字符，但实际的Unicode字符数超过这个数字。在Java中，用UTF-16编码char和String中的字符，一个字符对应的编码值被称为一个代码点。有的代码点用16位编码，被称为一个代码单元，像char表示的那些字符；有的代码点用32位编码，也就是用两个连续的代码单元编码，如上文中的ud801uDC00。其实，我们遍历一个字符串，遍历的是这个字符串中所有代码点，而

s.length()

返回的是字符串s中代码单元的个数。当i对应的代码单元只是一个32位代码点的一部分时，

s.charAt(i)

也就不能像我们希望的那样工作了。

下面给出了几种正确遍历一个字符串的方法：

package testchar;

/**
 * 正确遍历String
 * 
 * @author yuncong
 * 
 */
public class TestChar {

	public static void main(String[] args) {
		String s = "u0041u00DFu6771ud801uDC00";
		// 获得字符串中代码点的数量
		int cpCount = s.codePointCount(0, s.length());
		for (int i = 0; i < cpCount; i++) {
			int index = s.offsetByCodePoints(0, i);
			int cp = s.codePointAt(index);
			if (!Character.isSupplementaryCodePoint(cp)) {
				System.out.println((char) cp);
			} else {
				System.out.println(cp);
			}
		}

		System.out.println("-------------------");

		for (int i = 0; i < s.length(); i++) {
			int cp = s.codePointAt(i);
			if (!Character.isSupplementaryCodePoint(cp)) {
				System.out.println((char) cp);
			} else {
				System.out.println(cp);
				i++;
			}
		}
		
		System.out.println("-------------------");
		
		// 逆向遍历字符串
		for(int i = s.length() - 1; i >= 0; i--) {
			int cp = 0;
			// 当i等于0的时候，只剩下一个代码单元，不可能是辅助字符
			if (i == 0) {
				cp = s.codePointAt(0);
				System.out.println((char)cp);
			} else {
				// 只有在i大于0的时候才可以退，并且
				// 因为剩下的代码单元大于2，所以接下
				// 来访问的两个代码单元可能表示辅助
				// 字符；
				// 退一个代码单元
				i--;
				cp = s.codePointAt(i);
				if (Character.isSupplementaryCodePoint(cp)) {
					System.out.println(cp);
				} else {
					// 如果cp不是辅助字符，就回到遍历的正常位置
					i++;
					cp = s.codePointAt(i);
					System.out.println((char)cp);
				}
			}
		}
		
	}

}

(天坑啊，博客中不能出现Java中的辅助字符)