澄清 Java 对 Unicode 的进化支持

Clarifying Java's evolutionary support of Unicode

我发现 Java 对 char 和代码点的区分很奇怪而且不合适。

例如，字符串是字符数组或"letters which appear in an alphabet"；与可能是单个字母或可能是复合或代理对的代码点相反。但是，Java 将字符串的字符定义为 char，它不能是复合的或包含代码点的代理项，并且是 int（这很好）。

但是 length() 似乎是 return 代码点的数量，而 codePointCount() 也是 return 代码点的数量，而是组合了复合字符.. 最终不是真正的代码点数？

感觉好像 charAt() 应该 return 一个 String 以便复合和代理项一起出现并且 length() 的结果应该与 [=14= 交换].

原来的实现感觉有点落后。它的设计方式是否有原因？

更新：codePointAt()、codePointBefore()

还值得注意的是，codePointAt() 和 codePointBefore() 接受索引作为参数，但是，索引作用于字符，范围为 0 到 length() - 1，因此并不像人们可能假设的那样基于字符串中代码点的数量。

更新：equalsIgnoreCase()

String.equalsIgnoreCase() 使用术语 normalization 来描述它在比较字符串之前所做的事情。这是用词不当，因为在 Unicode 字符串的上下文中规范化可能意味着完全不同的东西。他们的意思是说他们用的是case-folding

创建 java 时，Unicode 没有代理字符的概念，因此 java 决定将字符表示为 16 位值。