ファイルからUnicode G音部記号（U + 1D11E）を読み取る方法は？

Question

G-Clef（U + 1D11E）はBasic Multilingual Plane（BMP）の一部ではないため、16ビット以上必要です。ほとんどのJavaの読み取り関数は、charまたはintにはonly 16 bitも含まれています。 SMP、SIP、TIP、SSP、PUAを含む完全なUnicodeシンボルを読み取る関数はどれですか？

更新

私は、入力ストリームから単一のUnicode記号（またはコードポイント）を読み取る方法を求めています。私はどちらの整数配列も持っていませんし、私は行を読みたいと思いません。

Character.toCodePoint()でコードポイントを作成することはできますが、この機能にはcharが必要です。反対側でcharを読み取ることはできません。read()がintを返すためです。これまでのところ私の最高の解決策はこれですが、それでも安全でないキャストが含まれています：

public int read_code_point (Reader input) throws java.io.IOException 
{ 
    int ch16 = input.read(); 
    if (Character.isHighSurrogate((char)ch16)) 
    return Character.toCodePoint((char)ch16, (char)input.read()); 
    else 
    return (int)ch16; 
} 

どのように改善するのですか？

アップデート2

文字列を返すが、それでもキャストを使用して別のバージョン：

public String readchar (Reader input) throws java.io.IOException 
{ 
    int i16 = input.read(); // UTF-16 as int 
    if (i16 == -1) return null; 
    char c16 = (char)i16; // UTF-16 
    if (Character.isHighSurrogate(c16)) { 
    int low_i16 = input.read(); // low surrogate UTF-16 as int 
    if (low_i16 == -1) 
     throw new java.io.IOException ("Can not read low surrogate"); 
    char low_c16 = (char)low_i16; 
    int codepoint = Character.toCodePoint(c16, low_c16); 
    return new String (Character.toChars(codepoint)); 
    } 
    else 
    return Character.toString(c16); 
} 

残りの質問：キャストが安全であるか、どのようにそれらを避けるために？

Answer 1

これまでのところ私の最高の解決策はこれですが、まだ安全でないキャストが含まれています

あなたが提示したコードの安全でない唯一の点は、inputがEOFに達した場合、ch16が-1になる可能性があることです。この条件を最初にチェックすると、他のキャストがReader.read()is specifiedとして安全であることが保証され、-1または0-（0 - 0xFFFF）の範囲の値が返されます。

public int read_code_point (Reader input) throws java.io.IOException 
{ 
    int ch16 = input.read(); 
    if (ch16 < 0 || !Character.isHighSurrogate((char)ch16)) 
    return ch16; 
    else { 
    int loSurr = input.read(); 
    if(loSurr < 0 || !Character.isLowSurrogate((char)loSurr)) 
     return ch16; // or possibly throw an exception 
    else 
     return Character.toCodePoint((char)ch16, (char)loSurr); 
    } 
} 

これはまだあなたはおそらくしたい場合には、あなたが最初char読み取りが上位サロゲートであるエッジケースを処理する必要がありますが、二番目が一致下位サロゲートではありません実際に、理想的ではありません最初にcharをに戻し、リーダーをバックアップして、次の読み取りで次の文字が表示されるようにします。しかし、それはinput.markSupported() == trueの場合にのみ動作します。あなたなら、どの程度

public int read_code_point (Reader input) throws java.io.IOException 
{ 
    int firstChar = input.read(); 
    if (firstChar < 0 || !Character.isHighSurrogate((char)firstChar)) { 
    return firstChar; 
    } else { 
    input.mark(1); 
    int secondChar = input.read(); 
    if(secondChar < 0) { 
     // reached EOF 
     return firstChar; 
    } else if(!Character.isLowSurrogate((char)secondChar)) { 
     // unpaired surrogates, un-read the second char 
     input.reset(); 
     return firstChar; 
    } 
    else { 
     return Character.toCodePoint((char)firstChar, (char)secondChar); 
    } 
    } 
} 

それとも、PushbackReaderで、元リーダーをラップし、unread(secondChar)

Answer 2

完全なUnicodeは、UTF-8とUTF-16の両方で、バイトのシーケンスによって表現することができます。バイトのペア（ "java chars"）。文字列から完全なUnicode コードポイントを用いて抽出することができます。基本的にはラテン文字を含むファイルについて

int[] codePoints = { 0x1d11e }; 
String s = new String(codePoints, 0, codePoints.length); 

for (int i = 0; i < s.length();) { 
    int cp = s.codePointAt(i); 
    i += Character.charCount(cp); 
} 

、UTF-8は、罰金と思われます。

String s = unicodeToString(0x1d11e); 
String s = unicodeToString(0x68, 0x65, 0x6c, 0x6c, 0x6f, 0x1d11e); 

public static String unicodeToString(int... codepoints) { 
    return new String(codePoints, 0, codePoints.length); 
} 

：

try (BufferedReader in = new BufferedReader(
     new InputStreamReader(new FileInputStream(file), "UTF-8"))) { 
    for (;;) { 
     String line = in.readLine(); 
     if (line == null) { 
      break; 
     } 
     ... do some thing with a Unicode line ... 
    } 
} catch (FileNotFoundException e) { 
    System.err.println("No file: " + file.getPath()); 
} catch (IOException e) { 
    ... 
} 

---

1つ（または複数のUnicodeコード）のJavaのStringを配信機能：以下カントー

は、（UTF-8）完全標準Unicodeファイルを読み込み