Java文字列のUnicodeコードポイントをどのように反復処理できますか？

Question

私はString#codePointAt(int)について知っていますが、コードポイントのオフセットではなく、charオフセットでインデックスされています。

私はのような何かをしようと考えている：にString#codePointAt(int)を使用して、インデックス

でcharがそうならばcharはhigh-surrogates range

• であるかどうかをテスト取得するString#charAt(int)を使用して
  • コードポイントを取得し、インデックスを2ずつ増やします。
  • 場合は、指定したcharコードポイントとして値、および1

によってインデックスをインクリメントすると、しかし、私の懸念は

• ある私は高サロゲートの範囲内に自然にあるコードポイントとして保存されるかどうかわからないんだけど2つのchar値または1つの
• これは、文字を繰り返すにはひどい高価な方法のようです。
• 誰かが何か良いものを思い付かなければなりません。

Answer 1

はい、Javaは、はい、それは代理出産方式を用いて基本多言語面（BMP）以外の文字をエンコードし、文字列の内部表現のためのUTF-16風エンコーディングを使用し、。

あなたはBMP外の文字を扱うことになります知っている場合は、ここではJavaのStringの文字を反復する標準的な方法です。

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); 
} 

Answer 2

反復処理のコードポイント以上は機能として提出されてサンでのリクエスト

が文字列のコードポイントを反復処理する方法の例もありSun Bug Entry

を参照してください。

Answer 3

思想私は、foreach文（ref）と連携し、回避策メソッドを追加したい、プラスは、Java 8に移動するとき、あなたは簡単にJavaの8の新しいString＃コードポイント方式に変換することができます。そして、

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(); 
     } 
     }; 
    } 
    }; 
} 

あなただけ（上記のアプローチよりも多くのRAMを使用する場合があります）intの配列に文字列を変換したい場合は

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

または交互に：あなたはこのようなforeachのでそれを使用することができます

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; 
    } 

Answer 4

Java 8がCharSequence#codePointsに追加され、コードポイントを含むIntStreamが返されます。 あなたはそれらを反復するために直接ストリームを使用することができます。

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

またはforループで配列にストリームを集めることによって：

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

これらの方法は、おそらくJonathan Feinbergs's solutionよりも高価ですが、彼ら読み書きが高速で、パフォーマンスの差異は通常重要ではありません。