将ucs-4转换为ucs-2

Question

ucs-4字符'‘的unicode值为0001f923，在intelliJ IDEA中将其复制到java代码时自动更改为相应的\uD83E\uDD23值。

Java只支持ucs-2，所以会发生从ucs-4到ucs-2的转换.

我想知道这个转变的逻辑，但是没有找到任何关于它的材料。

Answer 1

U+10FFFF

U+010000 to U+10FFFF

• 从代码点(U)减去0x10000，在0x000000xFFFF范围内留下一个20位数(U')。U被定义为不大于0x10FFFF。
• 将高10位(在0x000-0x3FF范围内)添加到0xD 800中，以给出第一个16位代码单元或高代理项(W1)，这将在0xD800-0xDBFF范围内。
• 将低10位(也在0x000-0x3FF范围内)添加到0xDC00，以给出第二个16位代码单元或低代理项(W2)，这将在0xDC00-0xDFFF范围内。

现在具有输入代码点\U1F923:

• U1F923-\U 10000=UF923
• UF923= 1111100100100011 = 00001111100100100011 = 0000111110 = \U3E
• U3E 800+U3E=UD83E
• UDC00 00+U 123=UDD23 23
• 结果：\UD83E\UDD23 23

Programming:

public static void main(String[] args) {
    int input = 0x1f923;
    int x = input - 0x10000;

    int highTenBits = x >> 10;
    int lowTenBits = x & ((1 << 10) - 1);

    int high = highTenBits + 0xd800;
    int low = lowTenBits + 0xdc00;

    System.out.println(String.format("[%x][%x]", high, low));
}

Answer 2

尽管String将Unicode包含为一个char数组，其中char是一个2字节的UTF-16BE编码，但也支持UCS4。

UCS4: UTF-32，“代码点”：

Unicode代码点( UCS4 )在java中表示为int。

int[] ucs4 = new int[] {0x0001_f923};
String s = new String(ucs4, 0, ucs4.length);
ucs4 = s.codePoints().toArray();

有编码，转换，代码点的UTF-16和UTF-8，需要更长的序列分别为2字节或1字节值.选择编码时，2/1字节值将与任何其他值不同。这意味着这样的值不会错误地匹配"/"或任何其他字符串搜索。这是通过从1...开始的高比特实现的，然后是大端格式的代码点(最重要的第一位)。

而不是搜索UCS4和UCS2，搜索UTF-16将产生有关所使用算法的信息。