java - 如何在 Java 中用 Unicode 字符填充字符串

Question

我将右填充添加到 String 以表格格式输出它。

for (String[] tuple : testData) {
  System.out.format("%-32s -> %s\n", tuple[0], tuple[1]);
}

结果如下(随机测试数据):

znZfmOEQ0Gb68taaNU6HY21lvo       -> Xq2aGqLedQnTSXg6wmBNDVb
frKweMCH8Kvgyk0J                 -> lHJ5r7YDV0jTL
NxtHP                            -> odvPJklwIzZZ
NX2scXjl5dxWmer                  -> wPDlKCKllVKk
x2HKsSHCqDQ                      -> RMuWLZ2vaP9sOF0yHmjVysJ
b0hryXKd6b80xAI                  -> 05MHjvTOxlxq1bvQ8RGe

当存在多字节 unicode 字符时，此方法不起作用:

0OZot🇨🇳ivbyG🧷hZM1FI👡wNhn6r6cC -> OKDxDV1o2NMqXH3VvE7q3uONwEcY5V
fBHRCjU4K8OCdzACmQZSn6WO         -> gvGBtUO5a4gPMKj9BKqBHFKx1iO7
cDUh🇲🇺b0cXkLWkS                -> SZX
WtP9t                            -> Q0wWOeY3W66mM5rcQQYKpG
va4d🍷u8SS                       -> KI
a71?⚖TZ💣🧜‍♀🕓ws5J              -> b8A

如您所见，对齐已关闭。
我的想法是计算字符串的长度和使用的字节数之间的差异，并使用它来抵消填充，如下所示:

int correction = tuple[0].getBytes().length - tuple[0].length();

然后我不会填充到 32 个字符，而是填充到 32 + correction .然而，这也不起作用。
这是我的测试代码(使用 emoji-java 但该行为应该可以使用任何 unicode 字符重现):

import java.util.Collection;
import org.apache.commons.lang3.RandomStringUtils;
import com.vdurmont.emoji.Emoji;
import com.vdurmont.emoji.EmojiManager;

public class Test {

  public static void main(String[] args) {
    // create random test data
    String[][] testData = new String[15][2];
    for (String[] tuple : testData) {
      tuple[0] = RandomStringUtils.randomAlphanumeric(2, 32);
      tuple[1] = RandomStringUtils.randomAlphanumeric(2, 32);
    }

    // add some emojis
    Collection<Emoji> all = EmojiManager.getAll();
    for (String[] tuple : testData) {
      for (int i = 1; i < tuple[0].length(); i++) {
        if (Math.random() > 0.90) {
          Emoji emoji = all.stream().skip((int) (all.size() * Math.random())).findFirst().get();
          tuple[0] = tuple[0].substring(0, i - 1) + emoji.getUnicode() + tuple[0].substring(i + 1);
        }
      }
    }

    // output
    for (String[] tuple : testData) {
      System.out.format("%-32s -> %s\n", tuple[0], tuple[1]);
    }
  }
}

Answer 1

这里实际上存在一些问题，除了某些字体显示的标志比其他字符宽。我假设您想将中国国旗算作单个字符(因为它在屏幕上是作为单个元素绘制的)。
String 类报告错误的长度
String 类适用于 char s，它们是 Unicode 代码点的 16 位整数。问题是并非所有代码点都适合 16 位，只有来自基本多语言平面 (BMP) 的代码点适合这些 char s。 String的 length()方法返回char的数量s，不是代码点的数量。
现在 String的 codePointCount在这种情况下，方法可能会有所帮助:它计算给定索引范围内的代码点数。所以提供string.length()作为该方法的第二个参数，返回代码点的总数。
组合字符
然而，还有另一个问题。例如，🇨🇳 中国国旗由两个 Unicode 代码点组成:区域指示符字母 C(🇨，U+1F1E8)和 N(🇳，U+1F1F3)。这两个代码点组合成一个中国国旗。这是您无法使用 codePointCount 解决的问题。方法。
区域指标符号字母 seem成为一个特殊的场合。其中两个字符可以组合成一面国旗。我不知道实现您想要的标准方法。您可能必须手动考虑这一点。
我编写了一个小程序来获取字符串的长度。

static int length(String str) {
    String a = "\uD83C\uDDE6";
    String z = "\uD83C\uDDFF";

    Pattern p = Pattern.compile("[" + a + "-" + z + "]{2}");
    Matcher m = p.matcher(str);
    int count = 0;
    while (m.find()) {
        count++;
    }
    return str.codePointCount(0, str.length()) - count;
}