反转Java中的utf-8字符串

Question

我试图编写一个Java代码来反转Java中的utf-8字符串。 采访中有人问我。 但是我想知道是否将字节转换为位并从位中获取代码点，那么我们该如何做代码。 大概那是面试官想要的。

class Ideone
{

    public static void main(String[] args) {
        String s ="Ž®aͻ";char[] ch = new char[s.length()];
        StringBuilder sb = new StringBuilder(s);
        StringBuilder rev = new StringBuilder();

        for (int i=0; i< s.length(); i++) {

            int x = sb.codePointAt(i);
            char[] y = Character.toChars(x);
            rev.append(y);
        }
        System.out.println(rev.reverse());

    }

}

Answer 1

首先，所有Java字符串都是UTF-16编码的，而不是UTF-8编码的。 这对于诸如反转字符串之类的任务非常重要，因为字符将占用的字节数取决于编码。 在UTF-8中，字节数是可变的，而在UTF-16中，字节数始终是两个字节。 一个char是16位数据，即使它只是表示ASCII。 UTF-8可以8位编码ASCII，但是可能需要更多的时间来表示其他字符。

因为一个char是16位，所以大多数字符（包括您示例中的Ž®aͻ ）都可以很好地适合单个char ，并且没有问题。 但是，某些字符（尤其是Emoji属于此类）不能用单个char表示，现在我们正在处理代理对 。 在处理可能具有代理对的文本时，您必须非常小心地进行字符串操作，因为大多数Java API（尤其是String上的几乎每个方法）都无法正确处理它们。

举一个更好的例子，考虑字符串"👶👧👩👵💀🤖" 。 六个字符吧？ 不符合Java！

String s ="👶👧👩👵💀🤖";
System.out.println("String: " + s);
System.out.println("Length: " + s.length());
System.out.println("Chars:  " + Arrays.toString(s.toCharArray()));
System.out.println("Split:  " + Arrays.asList(s.split("")));

打印：

String: 👶👧👩👵💀🤖
Length: 12
Chars:  [?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?]
Split:  [?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?]

现在，某些API 可以正确处理代理对，例如StringBuilder.reverse() ：

如果序列中包含任何代理对，则将它们视为反向操作的单个字符。 因此，从高到低的替代物的顺序永远不会颠倒。

假设为了面试的缘故，您不能使用此方法（或者，可以理解的是，您无法当场回忆它是否安全），则可以使用String.codePoints() ）遍历String的代码点 。 String.codePoints() 。 这使您可以安全地撤消内容：

List<String> chars = s.codePoints()
    .mapToObj(i -> String.valueOf(Character.toChars(i)))
    .collect(Collectors.toList());
Collections.reverse(chars);
System.out.println(chars.stream().collect(Collectors.joining()));

印刷品：

🤖💀👵👩👧👶

Answer 2

如dimo414所述 ， StringBuilder.reverse()正确处理代理对：

如果序列中包含任何代理对，则将它们视为反向操作的单个字符。 因此，从高到低的替代物的顺序永远不会颠倒。

这意味着Piyush的回答是好的，除了它使用StringBuffer ，您不应该使用它。

如果您坚持要自己反转一个String （即UTF-16，UTF-8），则可以像下面的代码那样进行操作，该代码向后迭代字符并处理代理（如果您不在意， if删除if语句）关于代理人）：

private static String reverse(String input) {
    StringBuilder buf = new StringBuilder();
    for (int i = input.length() - 1; i >= 0; i--) {
        char c = input.charAt(i);
        if (i > 0 && Character.isSurrogate(c)) {
            char c2 = input.charAt(i - 1);
            if (Character.isSurrogate(c2)) {
                buf.append(c2);
                i--;
            }
        }
        buf.append(c);
    }
    return buf.toString();
}

但是，您的问题是说“ utf-8字符串” ，而UTF-8是字符串的字节编码，因此，如果要这样做，您首先需要获取UTF-8字节，然后反转这些字节，最后转换为回到一个String ：

private static String reverse(String input) {
    byte[] utf8bytes = input.getBytes(StandardCharsets.UTF_8);
    utf8bytes = reverseUtf8(utf8bytes);
    return new String(utf8bytes, StandardCharsets.UTF_8);
}

要反转UTF-8 ，您需要向后处理，而要做到这一点，您需要了解编码的工作方式。

0到127范围内的Unicode字符被编码为一个字节（ 0xxxxxxx ）。 所有其他Unicode字符都被编码为一个字节块，从11xxxxxx字节开始，其余为10xxxxxx字节，因此我们可以检测到此类字节块并将其保留。

private static byte[] reverseUtf8(byte[] input) {
    byte[] reversed = new byte[input.length];
    for (int i = input.length - 1, j = 0; i >= 0; i--) {
        byte b = input[i];
        if ((b & 0x80) == 0) {
            reversed[j++] = b;
        } else {
            int k = i;
            while (k > 0 && (input[k] & 0xC0) == 0x80)
                k--;
            System.arraycopy(input, k, reversed, j, i - k + 1);
            j += i - k + 1;
            i = k;
        }
    }
    return reversed;
}

Answer 3

首先，您可以将“ utf-8字符串”的含义转换为“ utf-16字符串”（ java.lang.String ），也许是从utf-8代码单元的字节数组

CharsetDecoder decoder = StandardCharsets.UTF_8.newDecoder();
decoder.onUnmappableCharacter(CodingErrorAction.REPORT);
decoder.onMalformedInput(CodingErrorAction.REPORT);

ByteBuffer buffer = ByteBuffer.wrap(bytes);
String s = decoder.decode(buffer).toString();
System.out.println(s);

因此，您将获得一系列UTF-16代码单元，其中一个或两个对一个Unicode代码点进行编码，一个基本代码点以及零个或多个“组合”代码点形成一个字素簇，这在大多数人中会称为字符他们看到了。 大概您想颠倒字素簇的顺序。 幸运的是，Java提供了各种文本中断迭代器，包括一个用于语言环境中的字形中断的迭代器。

Locale locale = Locale.ENGLISH;

StringBuilder reversed = new StringBuilder();            
BreakIterator boundary = BreakIterator.getCharacterInstance(locale);
boundary.setText(s);
int end = boundary.last();
for (int start = boundary.previous();
         start != BreakIterator.DONE;
         end = start, start = boundary.previous()) {
    reversed.append(s.substring(start,end));
}
System.out.println(reversed.toString());

---

有一个资格考试的故事，第一页说在开始之前要阅读整个考试，最后一页说要写你的名字并上交而不写其他任何东西。 那么，正确的答案是否正确？在Java中没有“ utf-8 字符串 ”之类的东西吗？ 如果不是，则必须询问“ utf-8字符串”的含义。

而且，仍然存在关于如何逆转连字之类的问题。 应该将“ fl”反转为“ lf”吗？

稍后您还可以问，在反转弦重要的情况下，该公司从事哪种类型的项目？

Answer 4

这应该工作。

String string = "Ž®aͻ";
String reverse = new StringBuilder(string).reverse().toString();
System.out.println(reverse);

Answer 5

不知道这是否可以接受，但是您应该利用Java 8功能来像这样反转字符串

List<String> chars = Arrays.asList(oldStr.split(""));
Collections.reverse(chars);
String newStr = chars.stream()
                     .collect(Collectors.joining(""));