如何获得反向字符串(unicode安全)

Question

让我们假设我们想要恢复以下字符串"áe".

这个unicode是"\ u0061\u0301\u0065".

恢复它的天真的方法将是char的char

private static String reverseStringNaive(String s) {
    char[] characters = new char[s.length()];
    for (int i = s.length() - 1; i >= 0; i--) {
        int j = s.length() - i - 1;
        characters[j] = s.charAt(i); 
    }
    return new String(characters);
}

当我们希望获得"eá"(\ u0065\u0061\u0301)时,它给了我们"éa"(\ u0065\u0301\u0061).精确的"'"应该与"a"结合在一起,而不是改为"e".

以下代码为我提供了该String的预期结果:

private static String reverseString(String s) {
    char[] characters = new char[s.length()];
    for (int i = s.length() - 1; i >= 0; i--) {
        int j = s.length() - i - 1;
        if (Character.isLetterOrDigit(s.charAt(i)) || Character.isISOControl(s.charAt(i))) {
            characters[j] = s.charAt(i); 
        } else {
            characters[j] = s.charAt(i-1);
            characters[j+1] = s.charAt(i);
            i--;
        }
    }
    return new String(characters);
}

我正在检查每个字符是否为Letter,Digit或ISO Control.如果没有,我认为它应该与前一个角色保持一致.

问题是,还有其他我应该检查或担心的事情吗？我的aproach仍然天真吗？

Answer 1

您的问题也可以通过将字符串转换为规范的分解形式 NFC 来解决。基本上，java.text.Normalizer 类可用于将重音符号和其他组合字符与其基本字符组合起来，以便您能够正确地反转。

\n\n

所有这些其他想法（String.reverse()、StringBuffer.reverse()）都将正确反转缓冲区中的字符，但如果您从分解的字符开始，您可能不会得到您所期望的:)。

\n\n

在某些“分解形式”中，重音字符与其基本形式分开存储（作为单独的字符），但在“组合”形式中则不是。因此，在一种形式中，“\xc3\xa1e”存储为三个字符，而在另一种组合形式中，存储为两个字符。

\n\n

然而，这种规范化不足以处理其他类型的字符组合，也不能解释 Unicode 星体平面中的字符，这些字符在 Java 中存储为两个字符（或更多？）。

\n\n

感谢 tchrist 指出 ICU 对文本分割的支持，包括扩展的字素簇，例如下面评论中指出的（请参阅 virama）。 该资源似乎是此类内容的权威信息来源。

\n