java - java中的字符到Unicode比U + FFFF多？

Question

如何在 Java 中使用 char 在 U+FFFF 上方显示 Unicode 字符？

我需要这样的东西（如果它是有效的）：

char u = '\u+10FFFF';

Answer 1

您不能使用单个char（包含 UTF-16 代码单元）来执行此操作，但您可以使用String：

// This represents U+10FFFF
String x = "\udbff\udfff";

或者：

String y = new StringBuilder().appendCodePoint(0x10ffff).toString();

那是一个代理对（两个 UTF-16 代码单元，它们组合形成一个超出基本多语言平面的单个 Unicode 代码点）。当然，您也需要任何可以显示您的数据的东西来处理它......

Answer 2

除了 using StringBuilder，您还可以使用直接在Character类中找到的函数。该功能是 toChars()，它具有以下规格：

将指定的字符（Unicode 代码点）转换为
存储在char数组中的 UTF-16 表示形式。

所以你不需要确切地知道代理对的样子，你可以直接使用代码点。示例代码如下所示：

int ch = 0x10FFFF;
String s = new String(Character.toChars(ch));

请注意，代码点的数据类型是int而不是char。

Answer 3

资源

char 数据类型基于原始 Unicode 规范，该规范将字符定义为固定宽度的 16 位实体。合法代码点的范围现在是 U+0000 到 U+10FFFF，称为 Unicode 标量值。

从 U+0000 到 U+FFFF 的字符集有时称为基本多语言平面 (BMP)。码位大于 U+FFFF 的字符称为补充字符。Java 2 平台在 char 数组以及 String 和 StringBuffer 类中使用 UTF-16 表示。在此表示中，补充字符表示为一对 char 值，第一个来自高代理范围 (\uD800-\uDBFF)，第二个来自低代理范围 (\uDC00-\uDFFF)。

因此，char 值表示基本多语言平面 (BMP) 代码点，包括代理代码点或 UTF-16 编码的代码单元。一个 int 值表示所有 Unicode 代码点，包括补充代码点。int 的低（最低）21 位用于表示 Unicode 代码点，高（最高）11 位必须为零。除非另有说明，关于补充字符和代理字符值的行为如下：

• 只接受 char 值的方法不支持补充字符。它们将代理范围中的 char 值视为未定义字符。例如，Character.isLetter('\uD840') 返回 false，即使此特定值后跟字符串中的任何低代理值将表示一个字母。

• 接受 int 值的方法支持所有 Unicode 字符，包括补充字符。例如，Character.isLetter(0x2F81A) 返回 true，因为代码点值表示一个字母（CJK 表意文字）。

在 J2SE API 文档中，Unicode 代码点用于 U+0000 到 U+10FFFF 范围内的字符值，Unicode 代码单元用于 UTF-16 编码的代码单元的 16 位字符值。

Answer 4

Unicode 字符可以占用两个以上的字节，这通常不能包含在一个字符中。