code unit和code point

http://www.blogjava.net/default.aspx?id=-10&cateid=3891

一個完整的Unicode字符叫代碼點/CodePoint，而一個Java char 叫代碼單元code unit;
string對象以UTF-16保存Unicode字符，需要用2個字符表示一個超大字符集漢字，這種表示方式爲
Sruuogate，第一個字符叫Surrogate High，第二個就是Surrogate Low
判斷一個char是否是Surrogate區的字符，用Character的isHighSurrogate()/isLowSurrogate()方法。
從兩個Surrogate High/Low字符，返回一個完整的Unicode CodePoint用Character.toCodePoint()/codePointAt()
一個Code Point，可能需要一個也可能需要兩個char表示，因此不能直接使用CharSequence.length()
方法返回一個字符串到底有多少個漢字，而需要用String.codePointCount()/Character.codePointCount()
要定位字符串中的第N個字符，不能直接將n作爲偏移量，而需要從字符串頭部依次遍歷得到，需要
String.offsetByCodePoints()
從字符串的當前字符，找到上一個字符，不能直接用offset實現，而需要
String.codePointBefore()，或String.offsetByCodePoints()
從當前字符，找下一個字符，需要判斷當前CodePoint的長度，再計算得到
String.offsetByCodePoints()

看了之後還是不太明白

String str("web開發");

int len = str.length();

System.out.println();

輸出結果爲5；

改爲用int len = str.codePointCount(0,str.length());

輸出結果同樣爲5

定位一個字符

用char cp = str.charAt(4);

輸出爲“發”；

若用int index = str.offsetByCodePoints(0,4);

       int cp = str.codePointAt(index);

輸出爲21457；什麼意思??原來是獲取字符串中指定位置的字符的UNICODE值,其值等同於(int)charAt(i)

jdk1.5中，string類新方法介紹：

http://www.javayou.com/html/diary/showlog.vm?sid=2&log_id=557