Java在带有补充Unicode字符的字符流中读取

Question

我在使用Java读取补充unicode字符时遇到问题。 我有一个文件，该文件可能包含补充集中的字符（大于\\ uFFFF的任何字符）。 当我将InputStreamReader设置为使用UTF-8读取文件时，我希望read（）方法为每个补充字符返回一个字符，相反，它似乎在16位阈值上分裂。

我看到了一些其他有关基本unicode字符流的问题，但似乎无法解决大于16位的情况。

这是一些简化的示例代码：

InputStreamReader input = new InputStreamReader(file, "UTF8");
int nextChar = input.read();
while(nextChar != -1) {
    ...
    nextChar = input.read();
}

有谁知道我需要做什么才能正确读取包含补充字符的UTF-8编码文件？

Answer 1

Java与UTF-16一起使用 。 因此，如果您的输入流具有星体字符，则它们将显示为代理对，即两个char 。 第一个字符是高代理，第二个字符是低代理。

Answer 2

尽管read()被定义为返回int ，并且理论上可以“一次全部”返回一个补充字符的代码点，但我相信return类型只是int允许返回值-1。

您取得值read()基本上是一个char的另一个名称，和Java一个char被限制在16位。

Java只能将补充字符表示为UTF-16代理对，一旦就Java而言，一旦超过0xFFFF，就不会出现“单个字符”（至少在char意义上）之类的东西。