反轉Java中的utf-8字符串

Question

我試圖編寫一個Java代碼來反轉Java中的utf-8字符串。 采訪中有人問我。 但是我想知道是否將字節轉換為位並從位中獲取代碼點，那么我們該如何做代碼。 大概那是面試官想要的。

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編碼的，而不是UTF-8編碼的。 這對於諸如反轉字符串之類的任務非常重要，因為字符將占用的字節數取決於編碼。 在UTF-8中，字節數是可變的，而在UTF-16中，字節數始終是兩個字節。 一個char是16位數據，即使它只是表示ASCII。 UTF-8可以8位編碼ASCII，但是可能需要更多的時間來表示其他字符。

因為一個char是16位，所以大多數字符（包括您示例中的Ž®aͻ ）都可以很好地適合單個char ，並且沒有問題。 但是，某些字符（尤其是Emoji屬於此類）不能用單個char表示，現在我們正在處理代理對 。 在處理可能具有代理對的文本時，您必須非常小心地進行字符串操作，因為大多數Java API（尤其是String上的幾乎每個方法）都無法正確處理它們。

舉一個更好的例子，考慮字符串"👶👧👩👵💀🤖" 。 六個字符吧？ 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:  [?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?]

現在，某些API 可以正確處理代理對，例如StringBuilder.reverse() ：

如果序列中包含任何代理對，則將它們視為反向操作的單個字符。 因此，從高到低的替代物的順序永遠不會顛倒。

假設為了面試的緣故，您不能使用此方法（或者，可以理解的是，您無法當場回憶它是否安全），則可以使用String.codePoints() ）遍歷String的代碼點 。 String.codePoints() 。 這使您可以安全地撤消內容：

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()正確處理代理對：

如果序列中包含任何代理對，則將它們視為反向操作的單個字符。 因此，從高到低的替代物的順序永遠不會顛倒。

這意味着Piyush的回答是好的，除了它使用StringBuffer ，您不應該使用它。

如果您堅持要自己反轉一個String （即UTF-16，UTF-8），則可以像下面的代碼那樣進行操作，該代碼向后迭代字符並處理代理（如果您不在意， if刪除if語句）關於代理人）：

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，您的問題是說“ utf-8字符串” ，而UTF-8是字符串的字節編碼，因此，如果要這樣做，您首先需要獲取UTF-8字節，然后反轉這些字節，最后轉換為回到一個String ：

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

要反轉UTF-8 ，您需要向后處理，而要做到這一點，您需要了解編碼的工作方式。

0到127范圍內的Unicode字符被編碼為一個字節（ 0xxxxxxx ）。 所有其他Unicode字符都被編碼為一個字節塊，從11xxxxxx字節開始，其余為10xxxxxx字節，因此我們可以檢測到此類字節塊並將其保留。

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，您可以將“ utf-8字符串”的含義轉換為“ utf-16字符串”（ java.lang.String ），也許是從utf-8代碼單元的字節數組

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，您將獲得一系列UTF-16代碼單元，其中一個或兩個對一個Unicode代碼點進行編碼，一個基本代碼點以及零個或多個“組合”代碼點形成一個字素簇，這在大多數人中會稱為字符他們看到了。 大概您想顛倒字素簇的順序。 幸運的是，Java提供了各種文本中斷迭代器，包括一個用於語言環境中的字形中斷的迭代器。

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());

---

有一個資格考試的故事，第一頁說在開始之前要閱讀整個考試，最后一頁說要寫你的名字並上交而不寫其他任何東西。 那么，正確的答案是否正確？在Java中沒有“ utf-8 字符串 ”之類的東西嗎？ 如果不是，則必須詢問“ utf-8字符串”的含義。

而且，仍然存在關於如何逆轉連字之類的問題。 應該將“ fl”反轉為“ lf”嗎？

稍后您還可以問，在反轉弦重要的情況下，該公司從事哪種類型的項目？

Answer 4

這應該工作。

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

Answer 5

不知道這是否可以接受，但是您應該利用Java 8功能來像這樣反轉字符串

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