Java Strings での Unicode コードポイントの反復

String クラスは Unicode コードポイントにアクセスするための codePointAt(int) メソッドを提供しますが、そのインデックス付けは依存します。コードポイント オフセットではなく文字オフセットに基づいて。これにより、高サロゲート範囲内の文字の処理と、文字ごとのスキャンを使用した提案された反復アプローチの効率についての懸念が生じます。

改良された反復ソリューション

Java の内部の文字列表現では、UTF-16 ベースのエンコード スキームが使用されます。 Basic Multilingual Plane (BMP) の外側の文字は、代理スキームを使用してエンコードされます。効率的に反復するには、次の標準的なアプローチの使用を検討してください。

final int length = s.length();
for (int offset = 0; offset 
このアプローチは、BMP 外の文字のサロゲート ペアを正しく処理します。 Character.charCount(codepoint) を利用することで、各コードポイントの適切な文字数だけオフセットを効率的に増加させます。