获取字符的代码点的正确方法是什么？

Question

我需要用代码点和换行符做一些事情。我有一个函数需要

char

的代码点，如果它是

\r

，它需要有不同的行为。我有这个：

if (codePoint == Character.codePointAt(new char[] {'\r'}, 0)) {

但这非常丑陋，而且当然不是正确的方法。这样做的正确方法是什么？

_{（我知道我可以对数字}

13

（

\r

的十进制标识符）进行硬编码并使用它，但这样做会让我不清楚我在做什么......）

Answer 1

如果您知道所有输入都将在基本多语言平面（U+0000 到 U+FFFF）中，那么您可以使用：

char character = 'x';
int codePoint = character;

使用从

char

到

int

的隐式转换，如 JLS 5.1.2 中所指定：

19 种基本类型的特定转换称为拓宽基本类型转换：

• ...

• char

  至

  int

  、

  long

  、

  float

  或

  double

...

将 char 扩大转换为整型 T 对 char 值的表示进行零扩展以填充更宽的格式。

但是，

char

只是一个UTF-16代码单位。

Character.codePointAt

的要点在于它处理 BMP 之外的代码点，这些代码点由 代理对 组成 - 两个 UTF-16 代码单元连接在一起形成单个字符。

来自JLS 3.1：

Unicode 标准最初被设计为固定宽度的 16 位字符编码。此后它已被更改为允许表示需要超过 16 位的字符。合法代码点的范围现在为 U+0000 到 U+10FFFF，使用十六进制 U+n 表示法。代码点大于 U+FFFF 的字符称为增补字符。为了仅使用 16 位单元表示完整的字符范围，Unicode 标准定义了一种称为 UTF-16 的编码。在此编码中，补充字符表示为 16 位代码单元对，第一个来自高代理范围（U+D800 到 U+DBFF），第二个来自低代理范围（U+DC00 到 U +DFFF）。对于 U+0000 到 U+FFFF 范围内的字符，代码点和 UTF-16 代码单元的值相同。

如果您需要能够应对更复杂的情况，您将需要更复杂的代码。

Answer 2

如果我理解你的问题，你可以简单地将

char

转换为

int

，类似这样

char ch = '\r';
int codePoint = (int) ch;
System.out.println(codePoint);

输出是

13

Answer 3

我知道这个问题很旧，但是现有的答案都没有真正回答这个问题，包括已接受的答案。

您可以直接将代码点与字符进行比较。

if (codePoint == '\r')