Posted on 2005-12-09 11:27
笨笨 閱讀(3596)
評論(2) 編輯 收藏 所屬分類:
Java
JDK 1.5 對超大字符集的支持
Unicode 與超大字符集
國標(biāo) GB18030 規(guī)定了4字節(jié)擴(kuò)展部分，這部分區(qū)域目前在 Unicode 規(guī)范中作為CJK Ext B區(qū)存在，即常說的中文超大字符集。這部分區(qū)域編碼為 \U20000 - \U2A6D6。
UTF-16與Java String/Character 對象
一個(gè)完整的 Unicode 字符叫 代碼點(diǎn)/CodePoint，而一個(gè) Java char 叫 代碼單元 code unit。
String 對象以UTF-16保存 Unicode 字符，需要用2個(gè)字符表示一個(gè) 超大字符集的漢字，這這種表示方式稱之為 Surrogate，第一個(gè)字符叫 Surrogate High，第二個(gè)就是 Surrogate Low。
判斷一個(gè)char是否是 Surrogate 區(qū)的字符，用 Character的 isHighSurrogate()/isLowSurrogate()方法。
從兩個(gè)Surrogate High/Low 字符，返回一個(gè)完整的 Unicode CodePoint 用 Character.toCodePoint()/codePointAt()方法。
一個(gè) Code Point ，可能需要一個(gè)也可能需要兩個(gè)char表示，因此不能直接使用 CharSequence.length()方法直接返回一個(gè)字符串到底有多少個(gè)漢字，而需要用String.codePointCount()/Character.codePointCount()。
要定位字符串中的第N個(gè)字符，不能直接將 N 作為偏移量，而需要從字符串頭部依次遍歷得到，需要用String/Character.offsetByCodePoints() 方法。
從字符串的當(dāng)前字符，找到上一個(gè)字符，也不能直接用offset -- 實(shí)現(xiàn)，而需要用 String.codePointBefore()/Character.codePointBefore()，或用 String/Character.offsetByCodePoints()
從當(dāng)前字符，找下一個(gè)字符，不能直接用 offset ++ 實(shí)現(xiàn)，需要判斷當(dāng)前 CodePoint 的長度后，再計(jì)算得到，或用 String/Character.offsetByCodePoints() 。
Swing 對 超大字符集的支持
JTextPane增加了對 超大字符集的支持，只要設(shè)置字體正確，就可以顯示和編輯超大字符集。