Java 字符串的实例是否总是有效的 UTF-16？

Question

对于任何给定的 Java 字符串 s，我想知道 s 表示的字符数组是否保证到是有效的 UTF-16 字符串，例如：

final char[] ch = new char[s.length()];
for (int i = 0; i < ch.length; ++i) {
    ch[i] = s.charAt(i);
}
// Is ch guaranteed to be a valid UTF-16 encoded string?

如果不是，有哪些生成无效 UTF-16 的简单 Java 语言测试用例？

编辑：有人将问题标记为 [ 的可能重复我只能说，String 和a char[] 以及为什么前者至少在理论上可以保证其内容而后者没有的原因。我不是在问关于数组的问题，我是在问关于 Strings.

的问题

Answer 1

不，Java 字符串的实例不能保证在程序执行期间的所有点都包含有效的 UTF-16 代码单元序列（即 16 位值）。它也确实必须以这种方式工作。

这很容易证明。假设您有一系列代码点（它们是通常存储在 32 位整数中的 21 位数量），您希望将其附加到字符串，一次一个字符单元。如果其中一些代码点位于基本多语言平面之上（即，值 > 0xFFFF，因此需要超过 16 位来保存它们），那么在一次添加 16 位代码单元时，您将得到一个点在此期间，String 只有前导代理项，但还没有所需的尾随代理项。

换句话说，它的工作方式更像是一个字符单元缓冲区——一个 16 位值的缓冲区——而不是合法的 UTF-16 序列。这确实是 String 类型的必要方面。

只有在将其转换为特定编码时才会出现任何问题，因为不匹配、翻转或单独的代理项在三种 UTF 形式中的任何一种都是不合法的，因此编码器将无法表示它们。

Answer 2

没有。 String 只是 char[]:

的无限制包装

char data[] = {'\uD800', 'b', 'c'};  // Unpaired lead surrogate
String str = new String(data);

要测试 String 或 char[] 的格式正确的 UTF-16 数据，您可以使用 CharsetEncoder:

CharsetEncoder encoder = Charset.forName("UTF-16LE").newEncoder();
ByteBuffer bytes = encoder.encode(CharBuffer.wrap(str)); // throws MalformedInputException

Java 字符串的实例是否总是有效的 UTF-16？

Is an instance of a Java string always valid UTF-16?

java

unicode

utf-16

char

character-encoding