如何在Java中删除代理字符？

string java surrogate-pairs

2022-09-04 02:14:54

我面临着一种情况，即我在文本中获取代理字符，我正在将其保存到MySql 5.1。由于 UTF-16 不受支持，因此我想在将其保存到数据库之前，先通过 java 方法手动删除这些代理项对。

我现在已经编写了以下方法，我很好奇是否有直接和最佳的方法来处理这个问题。

提前感谢您的帮助。

public static String removeSurrogates(String query) {
    StringBuffer sb = new StringBuffer();
    for (int i = 0; i < query.length() - 1; i++) {
        char firstChar = query.charAt(i);
        char nextChar = query.charAt(i+1);
        if (Character.isSurrogatePair(firstChar, nextChar) == false) {
            sb.append(firstChar);
        } else {
            i++;
        }
    }
    if (Character.isHighSurrogate(query.charAt(query.length() - 1)) == false
            && Character.isLowSurrogate(query.charAt(query.length() - 1)) == false) {
        sb.append(query.charAt(query.length() - 1));
    }

    return sb.toString();
}

答案 1

以下是几件事：

Character.isSurrogate（char c）：

char 值是代理代码单元，当且仅当它是低代理代码单元或高代理代码单元。
检查对似乎毫无意义，为什么不删除所有代理项呢？
x == false等效于!x
StringBuilder在不需要同步的情况下更好（例如从不离开本地范围的变量）。

我建议这个：

public static String removeSurrogates(String query) {
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < query.length(); i++) {
        char c = query.charAt(i);
        // !isSurrogate(c) in Java 7
        if (!(Character.isHighSurrogate(c) || Character.isLowSurrogate(c))) {
            sb.append(firstChar);
        }
    }
    return sb.toString();
}

分解语句`if`

你问这个说法：

if (!(Character.isHighSurrogate(c) || Character.isLowSurrogate(c))) {
    sb.append(firstChar);
}

理解它的一种方法是将每个操作分解为自己的函数，因此您可以看到组合可以达到您的期望：

static boolean isSurrogate(char c) {
    return Character.isHighSurrogate(c) || Character.isLowSurrogate(c);
}

static boolean isNotSurrogate(char c) {
    return !isSurrogate(c);
}

...

if (isNotSurrogate(c)) {
    sb.append(firstChar);
}

答案 2

Java 字符串存储为 16 位字符序列，但它们表示的是 unicode 字符序列。在 Unicode 术语中，它们存储为代码单元，但对代码点进行建模。因此，谈论删除代理项有点毫无意义，这些代理项在字符/代码点表示中不存在（除非您有流氓单个代理项，在这种情况下，您有其他问题）。

相反，您要做的是删除编码时需要代理项的任何字符。这意味着任何超出基本多语言平面的字符。你可以用一个简单的正则表达式来做到这一点：

return query.replaceAll("[^\u0000-\uffff]", "");

如何在Java中删除代理字符？

分解语句if

分解语句`if`