在 ICU UnicodeString 中，countChar32() 和 length() 之间有什么区别？
来自文档；
长度是 UnicodeString 中 UChar 代码单元的数量。如果您想要代码点的数量，请使用 countChar32()。
并
计算字符串长度 UChar 代码单元中的 Unicode 代码点。
一个代码点可以占用一个或两个 UChar 代码单元。计算代码点涉及读取所有代码单元。
由此我倾向于认为代码点是一个实际的字符，而代码单元只是字符的一个可能的部分。
例如。
假设您有一个像
“foobar”
这样的 unicode 字符串，长度和 countChar32 都是 6。然后假设您有一个由 6 个字符组成的字符串，需要完整的 32 位来编码，长度将为 12，但 countChar32 将为 6。
这是正确的吗？
From the docs;
The length is the number of UChar code units are in the UnicodeString. If you want the number of code points, please use countChar32().
and
Count Unicode code points in the length UChar code units of the string.
A code point may occupy either one or two UChar code units. Counting code points involves reading all code units.
From this I am inclined to think that a code point is an actual character and a code unit is just one possible part of a character.
For example.
Say you have a unicode string like:
'foobar'
Both the length and countChar32 will be 6. Then say you have a string composed of 6 chars that take the full 32 bits to encode the length would be 12 but the countChar32 would be 6.
Is this correct?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
仅当您使用基本多语言平面 (BMP) 之外的字符时，这两个值才会有所不同。这些字符在 UTF-16 中表示为代理对。两个16位字符组成一个逻辑字符。如果您使用其中任何一个，则每个对都算作一个 32位字符，但有两个长度元素。
The two values will only differ if you use characters out of the Base Multilingual Plane (BMP). These characters are represented in UTF-16 as surrogate pairs. Two 16-bit characters make up one logical character. If you use any of these, each pair counts as one 32-bit character but two elements of length.