如何确定 Unicode 字符的宽度

Question

我和一个朋友正在用java编写我们自己的控制台，但是由于无法准确确定unicode字符的宽度，我们在正确调整行时遇到了问题。这会导致不仅 unicode 的行发生移位，而且后续行也发生移位的问题。

有没有办法确定 unicode 的宽度？

问题的屏幕截图可以在下面找到。

它应该是这样的： https://abload.de/img/richtigslkmg.jpeg

这是终端中的示例： https://abload.de/img/terminal7dj5o.jpeg

这是 PowerShell 中的示例：https://abload.de/img/powershelln7je0.jpeg

这是 Visual Studio Code 中的示例：https://abload.de/img/visualstudiocode4xkuo.jpeg

这是 Putty 中的示例：https://abload.de/img/putty0ujsk.png

编辑：

很抱歉问题不清楚。

它与显示宽度有关，在示例中，我尝试确定显示长度以使每行具有相同的长度。 函数real_length用于计算/确定并返回显示宽度。

这里是示例代码：

public static void main(String[] args) {
    String[] tests = {
        "Peter",
        "ＳＨＧＡＭＩ",
        "Marcel №1",
        "
              

Answer 1

不幸的是，由于以下几个原因，没有简单的解决方案可以解决您看似简单的问题：

• 根据所使用的字体，在控制台上呈现的字符宽度可能（并且可能会）有所不同。因此，代码需要确定或假设目标字体才能计算宽度。

• System.out 只是一个 PrintStream，它不知道也不关心字体和字符宽度，因此任何解决方案都必须独立于它们。

• 即使您可以确定控制台上使用的字体，并且有办法确定尝试以该特定字体呈现的每个字符的宽度，这对您有何帮助？了解宽度的变化可能可以让您巧妙地调整正在渲染的线条，使它们对齐，但这很可能是不切实际的。

• 一个潜在的解决方案是保持代码不变，并在 println() 正在写入的控制台上使用等宽字体，但这种方法仍然存在一些主要问题。首先，您需要确定一种等宽字体，但也支持您想要呈现的所有字符。当包含表情符号时，这可能会出现问题。其次，即使您识别出这样的字体，您也可能会发现该字体的所有字形都不是等宽的！这样的字体将确保（例如）小写的 i 和大写的 W 具有相同的宽度，但您不能对表情符号也做出这样的假设，并且您可以甚至不要假设“等宽”表情符号都具有相同的非标准宽度！第三，您标识的字体（如果存在）必须在您的目标环境（您的 PowerShell、您朋友的 PuTTY shell 等）中可用。这不是一个主要障碍，但又是一件需要担心的事情。

• 您可能会发现呈现的文本因操作系统而异。您的输出在 Linux 终端窗口中看起来可能是对齐的，但使用相同字体的相同输出在 PowerShell 窗口中可能会不对齐。

考虑到所有这些，更好的方法可能是使用 Swing 或 JavaFX，您可以更好地控制渲染的输出。即使您不熟悉这些技术，只需调整通过搜索获得的一些示例代码，也不需要太长时间就能让某些东西正常工作。即使考虑到学习曲线，它仍然比提出一个强大的解决方案来对齐写入任意控制台的任意字符所需的时间要少，因为这是一个很难解决的问题。

注意：

• 您的 real_length() 方法仅返回所提供的 Java String 中的代码点数量。这与其内部表示有关，与渲染字符的宽度没有直接关系，而渲染字符的宽度由所使用的字体决定。
• 请参阅 表情符号超出等宽字符宽度，破坏列对齐 #100730，其中 Microsoft 拒绝解决该问题VS Code 的问题。
• 对于SO问题Java：如何在纯文本中对齐UTF杂项符号，请参阅这个答案解决了一个类似但更简单的问题，但仅适用于 Windows 上的命令提示符窗口。

Answer 2

听起来您正在寻找 POSIX 的 Java 实现wcwidth 和 wcswidth 函数，实现 中定义的规则Unicode 技术报告#11（专门关注呈现到固定宽度设备（终端等）时 Unicode 代码点的显示宽度）。我知道的唯一这样的 Java 实现是在 JLine3 库，仅针对这一类就需要引入大量代码，但这可能是您最好的选择。

但请注意，该代码似乎不完整。例如，JLine3 代码将 Unicode 代码点 0x26AA (⚪️) 报告为宽度为 1，但在我测试过的每个平台上（包括此处的 StackOverflow 编辑器，它是固定宽度的“设备”）代码点显示在两列上。

祝你好运 - 这个东西比看起来复杂得多。 JVM 不幸的 UCS-2 历史（不是 Sun 的错 - 这是 Unicode 标准的错误时机）只会让事情变得更糟，正如其他人在这里所说的，避免 char 和 字符数据类型就像瘟疫 - 它们不会按照您期望的方式工作，并且使用这些类型的即时代码遇到包括来自 Unicode 补充平面的代码点的数据，几乎肯定会无法正确运行（除非作者特别小心——你觉得幸运吗？

Answer 3

注意：这个答案与我之前的答案（我仍然支持）截然不同，并且有质的不同。

Java 应用程序（即不使用图形用户界面的应用程序）有一种简单的方法来获取以给定字体和给定字体大小呈现的字符串的宽度。它需要使用一些即使在非 AWT 环境中也受支持的 awt 类。这是使用问题中提供的数据的演示：

package fixedwidth;

import java.awt.Canvas;

import java.awt.Font;

import java.awt.FontMetrics;
public class FixedWidth {
    static String[] tests = {

        "Peter", "ＳＨＧＡＭＩ", "Marcel №1", "

Answer 4

tl;dr

使用代码点而不是 char。避免调用String#length。

input 
+ 
"#".repeat( targetLength - input.codePoints().toArray().length ) 

详细信息

您的问题忽略显示任何代码。所以我只能猜测你在做什么以及可能出现什么问题。

避免 char

我猜你的目标是附加一定数量的 数字符号根据需要添加 字符以形成固定长度的文本行。

我猜问题是您正在使用旧的 char 类型或其包装类 Character。自 Java 2 以来，char 类型已基本上被破坏。作为 16 位值，char 在物理上无法表示大多数字符。

使用代码点数字

在处理单个字符时，请使用代码点整数。代码点是永久分配给 Unicode 中定义的 140,000 多个字符中每个字符的编号。

Java 5+ 中的各种类中添加了各种与代码点相关的方法： 字符串, StringBuilder，字符等。

这里我们使用String#codePoints 获取 IntStream 代码点，源中​​每个字符一个元素。我们使用 StringBuilder#appendCodePoint 收集最终结果字符串的代码点。

final int targetLength = 10;

final int fillerCodePoint = "#".codePointAt( 0 ); // Annoying zero-based index counting.

String input = "