java - Java 标识符中的“连接字符”是什么？

Question

我正在为 SCJP 阅读，我对此行有疑问：

标识符必须以字母、货币字符 ($) 或下划线 (_) 等连接字符开头。标识符不能以数字开头！

它指出有效的标识符名称可以以下划线之类的连接字符开头。我认为下划线是唯一有效的选择？还有哪些其他连接字符？

Answer 1

这是连接字符的列表。这些是用于连接单词的字符。

http://www.fileformat.info/info/unicode/category/Pc/list.htm

U+005F _ LOW LINE
U+203F ‿ UNDERTIE
U+2040 ⁀ CHARACTER TIE
U+2054 ⁔ INVERTED UNDERTIE
U+FE33 ︳ PRESENTATION FORM FOR VERTICAL LOW LINE
U+FE34 ︴ PRESENTATION FORM FOR VERTICAL WAVY LOW LINE
U+FE4D ﹍ DASHED LOW LINE
U+FE4E ﹎ CENTRELINE LOW LINE
U+FE4F ﹏ WAVY LOW LINE
U+FF3F ＿ FULLWIDTH LOW LINE

这在 Java 7 上编译。

int _, ‿, ⁀, ⁔, ︳, ︴, ﹍, ﹎, ﹏, ＿;

---

一个例子。在这种情况下tp是列的名称和给定行的值。

Column<Double> ︴tp︴ = table.getColumn("tp", double.class);

double tp = row.getDouble(︴tp︴);

---

以下

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierStart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");
}

印刷

$ _¢£€$؋৲৻૱៛‿⁀₡₡₢₣₣₤₥₥₦₨₩₪₪€€₫₫₫₫₮₯₰₰₱₲₳₳₵₵₵₵₵₵₶₶ ﹩＄＿￠￡￥￦</p>

Answer 2

遍历整个 65k 字符并询问Character.isJavaIdentifierStart(c)。答案是：“undertie”十进制 8255

Answer 3

合法 Java 标识符的最终规范可以在Java Language Specification中找到。

Answer 4

这是Unicode 中的连接符列表。您不会在键盘上找到它们。

U+005F LOW LINE _
U+203F UNDERTIE ‿<br> U+2040 CHARACTER TIE ⁀
U+2054 INVERTED UNDERTIE ⁔<br> U+FE33 垂直低线演示表格 ︳<br> U+FE34 垂直波浪演示表格LOW LINE ︴<br> U+FE4D DASHED LOW LINE ﹍<br> U+FE4E CENTRELINE LOW LINE ﹎<br> U+FE4F WAVY LOW LINE ﹏<br> U+FF3F FULLWIDTH LOW LINE ＿

Answer 5

连接字符用于连接两个字符。

在 Java 中，连接字符是Character.getType(int codePoint) / Character.getType(char ch)返回的值等于Character.CONNECTOR_PUNCTUATION的字符。

请注意，在 Java 中，字符信息基于 Unicode 标准，该标准通过为连接字符分配通用类别 Pc 来识别连接字符，这是Connector_Punctuation的别名。

下面的代码片段，

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++) {
    if (Character.getType(i) == Character.CONNECTOR_PUNCTUATION
            && Character.isJavaIdentifierStart(i)) {
        System.out.println("character: " + String.valueOf(Character.toChars(i))
                + ", codepoint: " + i + ", hexcode: " + Integer.toHexString(i));
    }
}

打印可用于在 jdk1.6.0_45 上启动标识符的连接字符

character: _, codepoint: 95, hexcode: 5f
character: ‿, codepoint: 8255, hexcode: 203f
character: ⁀, codepoint: 8256, hexcode: 2040
character: ⁔, codepoint: 8276, hexcode: 2054
character: ・, codepoint: 12539, hexcode: 30fb
character: ︳, codepoint: 65075, hexcode: fe33
character: ︴, codepoint: 65076, hexcode: fe34
character: ﹍, codepoint: 65101, hexcode: fe4d
character: ﹎, codepoint: 65102, hexcode: fe4e
character: ﹏, codepoint: 65103, hexcode: fe4f
character: ＿, codepoint: 65343, hexcode: ff3f
character: ･, codepoint: 65381, hexcode: ff65

以下在jdk1.6.0_45上编译，

int _, ‿, ⁀, ⁔, ・, ︳, ︴, ﹍, ﹎, ﹏, ＿, ･ = 0;

显然，对于以下两个连接字符，上述声明无法在 jdk1.7.0_80 和 jdk1.8.0_51 上编译（向后兼容......哎呀！！！），

character: ・, codepoint: 12539, hexcode: 30fb
character: ･, codepoint: 65381, hexcode: ff65

无论如何，抛开细节不谈，考试只关注基本拉丁字符集。

此外，对于 Java 中的合法标识符，此处提供了规范。使用 Character 类 API 获取更多详细信息。

Answer 6

Java 标识符中允许的最有趣的字符之一（但不是在开头）是名为“零宽度非连接器”的 unicode 字符（‌，U+200C，https ://en.wikipedia.org /wiki/Zero-width_non-joiner）。

我曾经在一个属性值中的一段 XML 中有这个，该属性值持有对该 XML 另一段的引用。由于 ZWNJ 是“零宽度”，因此无法看到（除了与光标一起行走时，它会显示在之前的字符上）。在日志文件和/或控制台输出中也看不到它。但它一直都在那里：复制并粘贴到搜索字段中得到它，因此没有找到引用的位置。在搜索字段中键入（可见部分）字符串，但找到了引用的位置。我花了一段时间才弄清楚这一点。

在使用欧洲键盘布局时，键入零宽度非连接器实际上非常容易（太容易），至少在其德语变体中，例如“Europatastatur 2.02” - 可以通过 AltGr + “.”，两个键不幸的是，它们在大多数键盘上直接相邻，很容易意外地撞在一起。

回到Java：我想得很好，你可以写一些这样的代码：

void foo() {
    int i = 1;
    int i‌ = 2;
}

第二个我附加了一个零宽度非连接器（在上面的stackoverflow编辑器中的代码中无法做到这一点），但这不起作用。IntelliJ (16.3.3) 没有抱怨，但 JavaC (Java 8) 确实抱怨了一个已经定义的标识符 - 似乎 JavaC 实际上允许 ZWNJ 字符作为标识符的一部分，但是当使用反射来查看它的作用时，ZWNJ字符被从标识符中剥离 - 像 ‿ 这样的字符不是。

Answer 7

您可以在标识符中使用的字符列表（而不仅仅是在开头）更有趣：

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierPart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");

名单是：

I wanted to post the output, but it's forbidden by the SO spam filter. That's how fun it is!

它包括大多数控制字符！我的意思是铃铛和狗屎！你可以让你的源代码敲响fn的钟声！或者使用仅有时会显示的字符，例如软连字符。