java - 如何验证 CharSequence 的实例是否是 Unicode 标量值序列？

Question

我有一个 java.lang.CharSequence 实例。我需要确定这个实例是否是 Unicode scalar values 的序列(即实例是否为UTF-16编码形式)。尽管有 java.lang.String 的保证，Java 字符串不一定是 UTF-16 编码形式(至少根据最新的 Unicode specification，目前是 6.2)，因为它可能包含孤立的surrogate code units . (然而，Java 字符串是 Unicode 16-bit string。)

有几种明显的方法可以解决这个问题，包括:

1. 遍历 code points序列，明确验证每个作为 Unicode 标量值。
2. 使用正则表达式搜索孤立的代理代码点。
3. 通过 character-set encoder 传递字符序列那reports encoding errors .

不过，看起来像这样的东西应该已经作为一个库函数存在了。我只是在标准 API 中找不到它。我是否遗漏了它，或者我是否需要实现它？

Answer 1

试试这个功能

static boolean isValidUTF16(String s) {
    for (int i = 0; i < s.length(); i++) {
        if (Character.isLowSurrogate(s.charAt(i)) && (i == 0 || !Character.isHighSurrogate(s.charAt(i - 1)))
                || Character.isHighSurrogate(s.charAt(i)) && (i == s.length() -1 || !Character.isLowSurrogate(s.charAt(i + 1)))) {
            return false;
        }
    }
    return true;
}

这是一个测试

public static void main(String args[]) {
    System.out.println(isValidUTF16("\uDC00\uDBFF"));
    System.out.println(isValidUTF16("\uDBFF\uDC00"));
}