Java反转字符串和相关字符编码问题

    反转字符串一直被当作是简单问题，大家的思想主要就是利用遍历，首尾交换字符实现字符串的反转。例如下面的代码，就可以简单实现反转。

 

 

 1 public String reverse(char[] value){ 2 for (int i = (value.length -1) >>1; i >=0; i--){ 3 char temp = value[i]; 4            value[i] = value[value.length -1- i]; 5            value[value.length -1- i] = temp; 6        } 7 returnnew String(value); 8 } 9 10  

 

    这样的代码，在算法方面是没有任何问题的。但是今天在查看StringBuffer源代码的时候发现，其中reverse方法的源代码写的很精妙。源代码如下：

 1 public AbstractStringBuilder reverse() { 2 boolean hasSurrogate =false; 3 int n = count -1; 4 for (int j = (n-1) >>1; j >=0; --j) { 5 char temp = value[j]; 6 char temp2 = value[n - j]; 7 if (!hasSurrogate) { 8        hasSurrogate = (temp >= Character.MIN_SURROGATE && temp <= Character.MAX_SURROGATE) 9 || (temp2 >= Character.MIN_SURROGATE && temp2 <= Character.MAX_SURROGATE);10         }11         value[j] = temp2;12         value[n - j] = temp;13     }14 if (hasSurrogate) {15 // Reverse back all valid surrogate pairs16  for (int i =0; i < count -1; i++) {17 char c2 = value[i];18 if (Character.isLowSurrogate(c2)) {19 char c1 = value[i +1];20 if (Character.isHighSurrogate(c1)) {21                 value[i++] = c1;22                 value[i] = c2;23             }24         }25         }26     }27 returnthis;28 }29  

 

 

    这个方法是定义在StringBuffer的父类AbstractStringBuilder中的，所以该方法的返回值是AbstractStringBuilder，在子类中调用的方式如下：

1 publicsynchronized StringBuffer reverse() {2 super.reverse();3 returnthis;4 }

 

    从方法的内容来看，源代码中的基本思路是一致的，同样采用遍历一半字符串，然后将每个字符与其对应的字符进行交换。但是有不同之处，就是要判断每个字符是否在Character.MIN_SURROGATE(\ud800)和Character.MAX_SURROGATE(\udfff)之间。如果发现整个字符串中含有这种情况，则再次从头至尾遍历一次，同时判断value[i]是否满足Character.isLowSurrogate()，如果满足的情况下，继续判断value[i+1]是否满足Character.isHighSurrogate()，如果也满足这种情况，则将第i位和第i+1位的字符互换。可能有的人会疑惑，为什么要这么做，因为Java中的字符已经采用Unicode代码，每个字符可以放下一个汉字。为什么还要这么做？

    一个完整的 Unicode字符叫代码点CodePoint，而一个 Java char叫代码单元 code unit。String对象以UTF-16保存 Unicode字符，需要用2个字符表示一个超大字符集的汉字，这这种表示方式称之为 Surrogate，第一个字符叫 Surrogate High，第二个就是 Surrogate Low。具体需要注意的事宜如下：

1. 判断一个char是否是Surrogate区的字符，用Character的 isHighSurrogate()/isLowSurrogate()方法即可判断。从两个Surrogate High/Low字符，返回一个完整的 Unicode CodePoint用 Character.toCodePoint()/codePointAt()方法。
2.   一个Code Point，可能需要一个也可能需要两个char表示，因此不能直接使用 CharSequence.length()方法直接返回一个字符串到底有多少个汉字，而需要用String.codePointCount()/Character.codePointCount()。
3.  要定位字符串中的第N个字符，不能直接将N作为偏移量，而需要从字符串头部依次遍历得到，需要用String/Character.offsetByCodePoints()方法。
4. 从字符串的当前字符，找到上一个字符，也不能直接用offset--实现，而需要用 String.codePointBefore()/Character.codePointBefore()，或用 String/Character.offsetByCodePoints()
5.  从当前字符，找下一个字符，不能直接用 offset++实现，需要判断当前 CodePoint的长度后，再计算得到，或用String/Character.offsetByCodePoints()。