在Java中，如何处理Unicode字符和Java UTF-16代码点？

Question

我正在用Java 10来处理Unicode字符。
我正在使用java.text.BreakIterator包。对于此输出：

myString="ab"  hex=0061d835dcde0062
myString.length()=4 
myString.codePointCount(0,s.length())=3
BreakIterator output:
    a    hex=0061           
        hex=d835dcde          
    b    hex=0062

似乎正确。

使用相同的Java代码，然后输出：

myString="G?íl"  hex=0047033200ed006c  
myString.length()=4 
myString.codePointCount(0,s.length())=4
BreakIterator output:   
    G?    hex=00470332  
    í    hex=00ed  
    l    hex=006c  

似乎也正确，除了codePointCount = 4。
为什么不是3，并且有没有使用BreakIterator来获得3值的方法？

我的目标是确定字符串的所有（输出）字符是否都是16位，还是存在替代字符还是组合字符？

Answer 1

“Gíl” 是四个代码点：U + 0047，U + 0332，U + 00ED，U + 006C。

U + 0332是一个组合字符，但它是一个单独的代码点。这与您的第一个示例不同，后者需要使用一个代理对（2个UTF-16代码单元）来表示U + 1D4DE-但后者仍然是单个代码点。

BreakIterator在文本中找到边界- 结合在一起的两个代码点在这种意义上没有边界。从文档中：

字符边界分析使用户可以按照他们期望的方式与字符进行交互，例如，当在文本字符串中移动光标时。字符边界分析提供了在字符串中的正确导航，无论字符如何存储。

因此，我认为这里一切正常。