c++ - 在 ICU UnicodeString 中 countChar32() 和 length() 有什么区别？

Question

来自文档；

长度是 UnicodeString 中 UChar 代码单元的数量。如果您想要代码点的数量，请使用 countChar32()。

和

计算字符串长度 UChar 代码单元中的 Unicode 代码点。

一个代码点可以占用一个或两个 UChar 代码单元。计算代码点涉及读取所有代码单元。

由此我倾向于认为代码点是一个实际的字符，而代码单元只是字符的一个可能部分。

例如。

假设您有一个 unicode 字符串，例如：

'foobar'

长度和 countChar32 均为 6。然后假设您有一个由 6 个字符组成的字符串，该字符串采用完整的 32 位来编码长度为 12，但 countChar32 为 6。

它是否正确？

Answer 1

仅当您使用基本多语言平面 (BMP) 之外的字符时，这两个值才会有所不同。这些字符在 UTF-16 中表示为代理对。两个 16 位字符组成一个逻辑字符。如果您使用其中任何一个，每一对都算作一个32 位字符，但长度为两个元素。