# 码点，代码单元，lnegth,codePointCount

[TOC]

码点，代码单元，length (),codePointCount ()

下面是我在阅读 <<Java 核心技术卷 Ⅰ>> 中的两段代码

# length () 方法

Returns the length of this string. The length is equal to the number of Unicode code units in the string.

• 返回此字符串的长度，长度等于字符串中的 Unicode 代码单元数

# codePointCount () 方法

Returns the number of Unicode code points in the specified text range of this String.

• 返回此字符串指定文本范围内的 Unicode 码点数

# length () 方法和 codePointCount () 方法的区别

从返回值可以看出: length () 方法返回的是代码单元，codePointCount () 方法返回的是码点，而代码单元和码点究竟是什么呢？它们有什么区别呢？

• 从下面这个例子的结果来看，码点和代码单元似乎没有区别

public class Test {

    public static void main(String []args) {

		String greeting = "Hello";

		int n = greeting.length();

		int cpCount = greeting.codePointCount(0, greeting.length());

       	System.out.println(n);

		System.out.println(cpCount);

    }

}

打印结果: 5

​ 5

• 但是从这个例子就可以看出码点和代码单元的不同了，下面我们就来聊一下码点和代码单元

String greeting = "Hello";

int n = greeting.length();//5

int cpCount = greeting.codePointCount(0, greeting.length());

System.out.println(n);//5

System.out.println(cpCount);//5

System.out.println("=-------------=");

String str = "😂";

int r = str.length();

System.out.println(r);//2

int x = str.codePointCount(0,str.length());

System.out.println(x);//1

打印结果:

# 码点

码点就是你实际看到的每一个字符，比如:a,1,%,😂等都算一个码点

码点 (Code Point)

码点是指与一个编码表中的某个字符对应的值，在 Unicode 标准中，码点采用了十六进制书写，并加上前缀 U+, 例如 U+0041 就是拉丁字母 A 的码点，Unicode 的码点可以分成 17 个代码平面，第一个代码平面成为基本多语言平面，包括码点从 U+0000 到 U+FFFF 的经典 Unicode 代码，其余的 16 个平面的码点为从 U+10000 到 U+10FFFF, 包括辅助字符

---------- <<Java 核心技术卷 Ⅰ>>P33

# 代码单元

而代码单元就不一定是你实际看到的每一个字符，有可能你实际看到的字符是包含一个代码单元，也有可能包含两个代码单元，这是因为:

java 的字符串由 char 类型序列组成，而 char 类型原本是用来表示单个字符的，但是由于 Unicode 编码的机制，16 位的 char 类型已经无法满足描述所有的 Unicode 字符的需要了，那么有些 Unicode 字符就需要两个 char 值表示，则可对应上下文中的高亮字体: 一个代码单元时一个字符的编码

代码单元 (Code Unit)

UTF-16 编码采用不同长度的编码表示所有 Unicode 编码，在基本多语言平面中，每个字符用 1 位表示，称为代码单元，辅助字符编码为一对连续的代码单元，采用这种编码对表示的各个值落入基本多语言平面中未用的 2048 个值范围内，通常称为替代区域，这样设计十分巧妙，我们可以从中迅速知道一个代码单元时一个字符的编码，还是辅助字符的第一或第二部分

---------- <<Java 核心技术卷 Ⅰ>>P33

# 方法:

String atest = "abcABC😀a";

        if("abcABC😀a".equals(atest)) {

            int cp1 = atest.offsetByCodePoints(0,0);

            int cp4 = atest.offsetByCodePoints(0, 3);

            int cp5 = atest.offsetByCodePoints(0, 6);

            int cp7 = atest.offsetByCodePoints(0, 7);

            System.out.println("cp1 is "+cp1+"  cp4 is "+ cp4+"  cp5 is "+cp5+"  cp7 is "+cp7);

            int cp1unicode = atest.codePointAt(cp1);

            int cp4unicode = atest.codePointAt(cp4);

            int cp5unicode = atest.codePointAt(cp5);

            int cp7unicode = atest.codePointAt(cp7);

            System.out.println("a: "+cp1unicode+"  A: "+cp4unicode+"  😀: "+cp5unicode+"  a: "+cp7unicode);

        }

打印结果:

# offsetByCodePoints

public int offsetByCodePoints(int index,int codePointoffset)

这里的 index 就是你指定的任意第 i 个码点，假如你想知道距离第 i 个码点 x 个码点，(x 可正可负) 是相对于第 0 个码点第几个码点，则可以用 offsetByCodePoints (i,x) 得到的你想要的值，比方说

String astring = "abcdABCD";

int cpcount = astring.offsetByCodePoints(7,-4)// 从 0 开始也就是 d

// 对应 ACSII 码值也就是 100

cpcount 的值应该是 3 (即表示 d 距离 a 3 个码点，也就是距离第 0 个位置 3 个位置)

# codePointAt

public int codePointAt(int index)

还是以上面那个例子，d 距离 a, 有 3 个位置，这个 3 通过 offsetByCodePoints () 得到，并且就可以看成是一个索引值，通过它你就能找到对应位置上是 d

String astring = "abcdABCD";

        int cpcount = astring.offsetByCodePoints(7,-4);// 从 0 开始也就是 d

// 对应 ACSII 码值也就是 100

        int dddunicode = astring.codePointAt(cpcount);

        System.out.println(dddunicode);

dddunicode = 100; 这其实是 ASCII 码值

# appendCodePoint

String appendCodePoint(int cp)

追加一个码点，并将其转化为一个或者两个代码单元并返回 this

String str = "hello";

        StringBuilder strbud = new StringBuilder();

        strbud.append(str);

        System.out.println(strbud.appendCodePoint(97));

打印结果: