java 中的编码（二）
UTF-16编码规则：
按照UTF-16编码规则计算下Unicode码位为 U+10002 （十进制：65538）的字符的UTF-16编码表示。
U+10002落在 [U+10000, U+10FFFF] 区间内。其UTF-16编码需要用四字节16位。
1、码位减去0x10000，0x10002 - 0x10000得到 0x02，即 0000000000 0000000010（20位比特）
2、高10位加上0xD800，0x00 + 0xD800得到 0xD800，即 1101 1000 0000 0000 (16位比特)
3、低10位加上0xDC00，0x02 + 0xDC00得到 0xDC02，即1101 1100 0000 0000 (16位比特)
4、所以U+10002的UTF-16编码表示位：0xD800DC02 ，即11011000 00000000 11011100 00000000（32位比特）
通过UTF-16编码，反推其Unicode码位：
1、UTF-16编码：0xD800DC02 ，即11011000 00000000 11011100 00000000（32位）。
2、前两个字节（16位）0xD800 减去 0xD800 得到 0x00，即 00 00000000（10位）
3、后两个字节（16位）0xDC02 减去 0xDC00 得到 0x02，即 00 00000010（10位）
4、0x00 和 0x02组合起来拼成0x02，即 0000 00000000 00000010（20位比特）
5、0x02 加上 0x10000 得到 0x10002，其Unicode码表示为U+10002，十进制即65538。
通过代码查看U+10002的utf-16be编码：
输出：
utf-16be编码
16进制：d8 0 dc 2
====================
2
65538
true
56322
true
由输出可只U+10002的UTF-16BE编码表示是：D8 00 DC 02，由4字节表示。
codePointAt()方法：
public int codePointAt(int index) {
if ((index < 0) || (index >= value.length)) {
throw new StringIndexOutOfBoundsException(index);
}
return Character.codePointAtImpl(value, index, value.length);
}
==============================================================================
static int codePointAtImpl(char[] a, int index, int limit) {
char c1 = a[index];
// utf-16四字节编码的字符，第一个码位（16位）的范围是 ['\uD800', '\uDBFF')
if (isHighSurrogate(c1) && ++index < limit) {
char c2 = a[index];
// 第二个码位（16位）的范围是 ['\uDC00', '\uDFFF')
if (isLowSurrogate(c2)) {
return toCodePoint(c1, c2);
}
}
// 2字节UTF-16编码则直接返回该2字节。
// 4字节UTF-16编码的第二个codePoint则直接返回该4字节中的后2字节。
return c1;
}
==============================================================================
public static final char MIN_HIGH_SURROGATE = '\uD800';
public static final char MAX_HIGH_SURROGATE = '\uDBFF';
public static final char MIN_LOW_SURROGATE = '\uDC00';
public static final char MAX_LOW_SURROGATE = '\uDFFF';
public static final int MIN_SUPPLEMENTARY_CODE_POINT = 0x010000;
==============================================================================
public static boolean isHighSurrogate(char ch) {
// Help VM constant-fold; MAX_HIGH_SURROGATE + 1 == MIN_LOW_SURROGATE
return ch >= MIN_HIGH_SURROGATE && ch < (MAX_HIGH_SURROGATE + 1);
}
public static boolean isLowSurrogate(char ch) {
return ch >= MIN_LOW_SURROGATE && ch < (MAX_LOW_SURROGATE + 1);
}
==============================================================================
// 根据4字节（32位）UTF-16编码求Unicode码位（通过UTF-16编码，反推其Unicode码位）
public static int toCodePoint(char high, char low) {
// Optimized form of:
// return ((high - MIN_HIGH_SURROGATE) << 10)
// + (low - MIN_LOW_SURROGATE)
// + MIN_SUPPLEMENTARY_CODE_POINT;
return ((high << 10) + low) + (MIN_SUPPLEMENTARY_CODE_POINT
- (MIN_HIGH_SURROGATE << 10)
- MIN_LOW_SURROGATE);
}
==============================================================================
isSupplementaryCodePoint()方法：
public static final int MIN_SUPPLEMENTARY_CODE_POINT = 0x010000;
public static final int MAX_CODE_POINT = 0X10FFFF; =================================================================
// 根据Unicode number判断字符是否在增补字符范围
public static boolean isSupplementaryCodePoint(int codePoint) {
return codePoint >= MIN_SUPPLEMENTARY_CODE_POINT
&& codePoint < MAX_CODE_POINT + 1;
}
小demo，输出字符的Unicode number的十进制形式：
public class Test {
public static void main(String[] args) throws UnsupportedEncodingException {
// str的第二个字符的Unicode码是U+10002
// 10进制65538
// UTF-16BE编码二进制11011000 00000000 11011100 00000010
String str = "A
最新文章
- AnimatedModal.js – CSS3 全屏模态窗口
- 立即执行函数: (function(){...})() 与 (function(){...}()) 有什么区别?
- effetive C++ 02 尽量以const，enum，inline替换#define
- 排序算法 ----（转载：：http://blog.csdn.net/hguisu/article/details/7776068）
- paip.python错误解决23
- Ubuntu 14 编译安装 XDebug - 2.3.3 For PHP - 5.4.45
- javascript中对象学习
- windows系统查看80端口被占用的程序并结束该程序运行
- 如何使用本地yum源？
- UIImageJPEGRepresentation和UIImagePNGRepresentation
- 如何开启ubuntu的SSH服务(不要和openssl搞混淆了)
- IOS 控件的生命周期
- wireshark: there are no interfaces on which a capture can be done
- linux sed 批量替换多个文件中的字符
- C#中的深拷贝与浅拷贝
- SpringBoot学习之基础篇
- Dos.Common
- GFF高仿QQ客户端及服务器
- Tbox在整车CAN网络的位置与作用
- 实现web消息推送的技术和采用长轮询corundumstudio介绍
热门文章