使用Java语言进行Unicode代理编程

早期 Java 版本使用 16 位 char 数据类型表示 Unicode 字符。这种设计方 法有时比较合理，因为所有 Unicode 字符拥有的值都小于 65,535 (0xFFFF)， 可以通过 16 位表示。但是，Unicode 后来将最大值增加到 1,114,111 (0x10FFFF)。由于 16 位太小，不能表示 Unicode version 3.1 中的所有 Unicode 字符，32 位值 — 称为码位（code point） — 被用于 UTF-32 编码模式。

但与 32 位值相比，16 位值的内存使用效率更高， 因此 Unicode 引入了一个种新设计方法来允许继续使用 16 位值。UTF-16 中采 用的这种设计方法分配 1,024 值给 16 位高代理（high surrogate），将另外 的 1,024 值分配给 16 位低代理（low surrogate）。它使用一个高代理加上一 个低代理 — 一个代理对（surrogate pair） — 来表示 65,536 (0x10000) 和 1,114,111 (0x10FFFF) 之间的 1,048,576 (0x100000) 值 （1,024 和 1,024 的乘积）。

Java 1.5 保留了 char 类型的行为来表 示 UTF-16 值（以便兼容现有程序），它实现了码位的概念来表示 UTF-32 值。这个扩展（根据 JSR 204：Unicode Supplementary Character Support 实现） 不需要记住 Unicode 码位或转换算法的准确值 — 但理解代理 API 的正 确用法很重要。

东亚国家和地区近年来增加了它们的字符集中的字符数 量，以满足用户需求。这些标准包括来自中国的国家标准组织的 GB 18030 和来 自日本的 JIS X 0213。因此，寻求遵守这些标准的程序更有必要支持 Unicode 代理对。本文解释相关 Java API 和编码选项，面向计划重新设计他们的软件， 从只能使用 char 类型的字符转换为能够处理代理对的新版本的读者。

顺序访问

顺序访问是在 Java 语言中处理字符串的一个基本操作。在 这种方法下，输入字符串中的每个字符从头至尾按顺序访问，或者有时从尾至头 访问。本小节讨论使用顺序访问方法从一个字符串创建一个 32 位码位数组的 7 个技术示例，并估计它们的处理时间。

示例 1-1：基准测试（不支持代 理对）

清单 1 将 16 位 char 类型值直接分配给 32 位码位值，完全没 有考虑代理对：

清单 1. 不支持代理对

int[]　 toCodePointArray(String　str)　{　//　Example　1-1 　　int　len　 =　str.length();　　　　　//　the　length　of　str 　　int[]　acp 　=　new　int[len];　　　　//　an　array　of　code　points 　　for　(int　i　=　0,　j　=　0;　i　<　len;　i++)　{ 　　　 　acp[j++]　=　str.charAt(i); 　　} 　　return　acp; }

尽管这个示例不支持代理对，但它提供了一个处理时间基准来比 较后续顺序访问示例。

示例 1-2：使用 isSurrogatePair()

清单 2 使用 isSurrogatePair() 来计算代理对总数。计数之后，它分配足够的内存 以便一个码位数组存储这个值。然后，它进入一个顺序访问循环，使用 isHighSurrogate() 和 isLowSurrogate() 确定每个代理对字符是高代理还是低 代理。当它发现一个高代理后面带一个低代理时，它使用 toCodePoint() 将该 代理对转换为一个码位值并将当前索引值增加 2。否则，它将这个 char 类型值 直接分配给一个码位值并将当前索引值增加 1。这个示例的处理时间比 示例 1 -1 长 1.38 倍。

清单 2. 有限支持

int[]　 toCodePointArray(String　str)　{　//　Example　1-2　 　　int　len 　=　str.length();　　　　　//　the　length　of　str 　　int[]　 acp;　　　　　　　　　　　　//　an　array　of　code　points 　　 int　surrogatePairCount　=　0;　　　//　the　count　of　surrogate　 pairs 　　for　(int　i　=　1;　i　

凌众科技专业提供服务器租用、服务器托管、企业邮局、虚拟主机等服务，公司网站：http://www.lingzhong.cn 为了给广大客户了解更多的技术信息，本技术文章收集来源于网络,凌众科技尊重文章作者的版权，如果有涉及你的版权有必要删除你的文章，请和我们联系。以上信息与文章正文是不可分割的一部分,如果您要转载本文章,请保留以上信息，谢谢!