Java文字列のUnicodeコードポイントをどのように反復できますか？

だから私はについて知っていますが、コードポイントのオフセットではなくString#codePointAt(int)、charオフセットによってインデックスが付けられます。

私は次のようなことを試みることを考えています：

• インデックスでのString#charAt(int)取得に使用char
• charが高代理の範囲にあるかどうかのテスト
  • もしそうなら、を使用String#codePointAt(int)してコードポイントを取得し、インデックスを2増やします
  • そうでない場合は、指定されたchar値をコードポイントとして使用し、インデックスを1増やします

しかし、私の懸念は

• 自然に高代理変数の範囲にあるコードポイントが2つのchar値として格納されるのか、1 つの値として格納されるのかわかりません
• これは、キャラクターを反復処理するための非常に高価な方法のようです
• 誰かがもっと良いものを考え出したに違いない。

はい、Javaは文字列の内部表現にUTF-16風のエンコーディングを使用し、はい、基本的な多言語プレーン（BMP代理スキームを使用して）のます。

BMP外の文字を処理することがわかっている場合は、Java文字列の文字を反復処理する標準的な方法を次に示します。

final int length = s.length();
for (int offset = 0; offset < length; ) {
   final int codepoint = s.codePointAt(offset);

   // do something with the codepoint

   offset += Character.charCount(codepoint);
}

コードポイントを含むCharSequence#codePointsを返すJava 8が追加されましたIntStream。ストリームを直接使用してそれらを反復できます。

string.codePoints().forEach(c -> ...);

または、ストリームを配列に収集してforループを使用します。

for(int c : string.codePoints().toArray()){
    ...
}

これらの方法は、おそらくJonathan Feinbergsのソリューションよりも高価ですが、読み取り/書き込みが高速で、パフォーマンスの違いは通常わずかです。

コードポイントの反復処理は、Sunの機能リクエストとして提出されます。

Sun Bug Entryを参照してください

そこにString CodePointを反復する方法の例もあります。

foreachループ（ref）で動作する回避策メソッドを追加すると思いますが、Java 8に移動すると、Java 8の新しいString＃codePointsメソッドに簡単に変換できます。

次のようにforeachで使用できます。

 for(int codePoint : codePoints(myString)) {
   ....
 }

これがヘルパーmthodです。

public static Iterable<Integer> codePoints(final String string) {
  return new Iterable<Integer>() {
    public Iterator<Integer> iterator() {
      return new Iterator<Integer>() {
        int nextIndex = 0;
        public boolean hasNext() {
          return nextIndex < string.length();
        }
        public Integer next() {
          int result = string.codePointAt(nextIndex);
          nextIndex += Character.charCount(result);
          return result;
        }
        public void remove() {
          throw new UnsupportedOperationException();
        }
      };
    }
  };
}

または、文字列をintの配列に変換するだけの場合（上記のアプローチよりも多くのRAMを使用する可能性があります）：

 public static List<Integer> stringToCodePoints(String in) {
    if( in == null)
      throw new NullPointerException("got null");
    List<Integer> out = new ArrayList<Integer>();
    final int length = in.length();
    for (int offset = 0; offset < length; ) {
      final int codepoint = in.codePointAt(offset);
      out.add(codepoint);
      offset += Character.charCount(codepoint);
    }
    return out;
  }

ありがたいことに "codePoints"を使用して、UTF-16（Javaの内部文字列表現）のサロゲートペアネスを安全に処理します。