java - 将 unicode 字符串拆分为字符串列表

Question

如何将包含代理对字符和普通字符的 unicode 字符串拆分为 List<String>字符数？

(需要 String 来存储由两个 char 组成的代理对字符)

Answer 1

试试这个。

String s = "😊a👦c😊";
List<String> result = List.of(s.split("(?<=.)"));
for (String e : result)
    System.out.println(e + " : length=" + e.length());

输出:

😊 : length=2
a : length=1
👦 : length=2
c : length=1
😊 : length=2

代码点

或者，使用 code point 的流整数。

List<String> result = 
    s
    .codePoints()                    // Produce a `IntStream` of code point numbers.
    .mapToObj(Character::toString)   // Produce a `String` containing one or two java chars for each code point in the stream.
    .collect(Collectors.toList());

查看此 code run live at IdeOne.com .

要捕获代码点，请使用上述代码的这种变体。

List<Integer> codePointNumbers = 
    s
    .codePoints()            
    .boxed()       
    .collect( Collectors.toList() ) ;

运行时:

codePointNumbers.toString(): [128522, 97, 128102, 99, 128522]