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：

0OZotivbyGhZM1FIwNhn6r6cC -> OKDxDV1o2NMqXH3VvE7q3uONwEcY5V
fBHRCjU4K8OCdzACmQZSn6WO         -> gvGBtUO5a4gPMKj9BKqBHFKx1iO7
cDUhb0cXkLWkS                -> SZX
WtP9t                            -> Q0wWOeY3W66mM5rcQQYKpG
va4du8SS                       -> 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但行为应该可以用任何 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

实际上这里存在一些问题，除了某些字体显示的标志比其他字符更宽之外。我假设您想将中国国旗算作单个字符（因为它在屏幕上绘制为单个元素）。

String 类报告长度不正确

String 类与chars 一起使用，s 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chars。String的length()方法返回 s 的数量char，而不是代码点的数量。

NowString的codePointCount方法在这种情况下可能会有所帮助：它计算给定索引范围内的代码点数量。因此，提供string.length()给该方法作为第二个参数会返回代码点的总数。

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：区域指示符号字母 C (, U+1F1E8) 和 N (, U+1F1F3)。这两个代码点组合成中国国旗。这是一个你无法用该codePointCount方法解决的问题。

区域指示符号字母似乎是一个特殊的场合。其中两个字符可以组合成一面国旗。我不知道实现你想要的目标的标准方法。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;
}