安卓系统中的BreakIterator错误计算字符

Question

我使用BreakIterator来计算字符串中可见字符的数量。这对于英语来说是非常有效的。但是对于印地语来说，它并不像预期的那样起作用。

下面的字符串长度为3，但在视觉上被认为是单个字符。

ज्य

当我使用BreakIterator时，我希望它是一个单一的单元，但是它认为它是两个单元。下面是我的代码：

    final String text = "ज्य";
    final Locale locale = new Locale("hi","IN");
    final BreakIterator breaker = BreakIterator.getCharacterInstance(locale);
    breaker.setText(text);
    int start = breaker.first();
    for (int end = breaker.next();
         end != BreakIterator.DONE;
         start = end, end = breaker.next()) {

        final String substring = text.substring(start, end);
    }

理想情况下，for循环应该使用start=0和end=3执行一次；但对于上面的字符串，则执行两次(start=0、end=2和start=2，end=3)。

我怎样才能让BreakIterator准确地工作呢？

更新：

上面的代码在作为JAVA程序运行时工作得很好。只有在安卓系统中使用时，它才会有不良行为。

因为这只发生在Android中，所以我在android中报告了一个bug：https://code.google.com/p/android/issues/detail?id=230832。

Answer 1

我想你需要玩unicode字符

甲骨文医生用于字符边界

    final String text = "\u091C\u094D\u092F";
    final Locale locale = new Locale("hi","IN");
    final BreakIterator breaker = BreakIterator.getCharacterInstance(locale);
    breaker.setText(text);
    int start = breaker.first();
    for (int end = breaker.next();
         end != BreakIterator.DONE;
         start = end, end = breaker.next()) {

        final String substring = text.substring(start, end);
        System.out.println(substring);
    }