28剖析包装类 (下) 剖析Character.png

Character有很多静态方法，封装了Unicode字符级别的各种操作，是Java文本处理的基础，注意不是char级别，Unicode字符并不等同于char

Unicode基础

Unicode给世界上每个字符分配了一个编号，编号范围从0x000000到0x10FFFF。编号范围在0x0000到0xFFFF之间的字符，为常用字符集，称BMP(Basic Multilingual Plane)字符。编号范围在0x10000到0x10FFFF之间的字符叫做增补字符(supplementary character)。

• UTF-16
  UTF-16是一种编码方式，或者叫映射方式，它将编号映射为两个或四个字节，对BMP字符，它直接用两个字节表示，对于增补字符，使用四个字节，前两个字节叫高代理项(high surrogate)，范围从0xD800到0xDBFF，后两个字节叫低代理项(low surrogate)，范围从0xDC00到0xDFFF，UTF-16定义了一个公式，可以将编号与四字节表示进行相互转换。
  Java内部采用UTF-16编码，char表示一个字符，但只能表示BMP中的字符，对于增补字符，需要使用两个char表示，一个表示高代理项，一个表示低代理项

Character静态方法

• 判断一个int是不是一个有效的代码单元

public static boolean isValidCodePoint(int codePoint) 

小于等于0x10FFFF的为有效，大于的为无效

• 判断一个int是不是BMP字符：

public static boolean isBmpCodePoint(int codePoint) 

小于等于0xFFFF的为BMP字符，大于的不是

• 判断一个int是不是增补字符

public static boolean isSupplementaryCodePoint(int codePoint)

0x010000和0X10FFFF之间的为增补字符。

• 判断char是否是高代理项：

public static boolean isHighSurrogate(char ch)

0xD800到0xDBFF为高代理项。
-判断char是否为低代理项：

public static boolean isLowSurrogate(char ch) 

0xDC00到0xDFFF为低代理项。

• 判断char是否为代理项：

public static boolean isSurrogate(char ch) 

char为低代理项或高代理项，则返回true。

• 判断两个字符high和low是否分别为高代理项和低代理项

 public static boolean isSurrogatePair(char high, char low) 

• 判断一个代码单元由几个char组成：

 public static int charCount(int codePoint) 

增补字符返回2，BMP字符返回1。

code point与char的转换

• 根据高代理项high和低代理项low生成代码单元

public static int toCodePoint(char high, char low)

这个转换有个公式，这个方法封装了这个公式。

• 根据代码单元生成char数组，即UTF-16表示

public static char[] toChars(int codePoint) 

如果code point为BMP字符，则返回的char数组长度为1，如果为增补字符，长度为2，char[0]为高代理项，char[1]为低代理项

• 将代码单元转换为char数组

public static int toChars(int codePoint, char[] dst, int dstIndex) 

• 对增补字符code point，生成高代理项和低代理项

public static char lowSurrogate(int codePoint) public static char highSurrogate(int codePoint) 

按code point处理char数组或序列

• CharSequence接口

public interface CharSequence {
    int length();
    char charAt(int index);
    CharSequence subSequence(int start, int end);
    public String toString();
}

它与一个char数组是类似的，有length方法，有charAt方法根据索引获取字符，String类就实现了该接口
计算char索引等......

字符属性

除了分配编号之外，还分配了一些属性，Character类封装了对Unicode字符属性的检查和操作

public static int getType(int codePoint)   
public static int getType(char ch)

Unicode给每个字符分配了一个类型，这个类型是非常重要的，很多其他检查和操作都是基于这个类型的
字符对应

字符对应.png

字符判断，转换的函数......
字符反转等