2020年Javaのサロゲートペア事情

Question

2020年Javaでサロゲートペアを取り扱うベストな方法を教えていただきたいです。

Javaの内部処理で扱われる文字コードはUTF-16であり、
一部文字においてサロゲートペア問題が発生します。

Java14までリリースされている現在(2020/6)でもサロゲートペアの含まれる文字列を
効率的に扱う方法は確立されていないのでしょうか。

Comments

[swordone]

何をもって「効率的」と呼ぶのでしょうか？
現在のStringメソッドなどにもサロゲートペアを扱うメソッドがいくつかあるはずですが？

[imotaroun]

自分の視野の範囲内に押さえたくなかったので、あえてぼかさせていただきました。
一例を挙げるとすれば、Java8では、サロゲートペアを含む文字列で何文字目かを確実に取得するメソッド(charAtに値するもの)は用意されていないと思ってます。
googleのguavaにある！とかJava14ではメソッドが増えてるなどの情報を聞いてみたかったのです。

[退会済みユーザー]

Java14ではメソッドが増えてるなど

ドキュメントを確認して下さい。

[退会済みユーザー]

マジレスすると、マルチバイト文字列は国産のもの以外は扱いが低いです。

Answer 1

サロゲートペアを含む文字列で何文字目か

文字の定義自体を考えなければなりません。合成文字や異体字セレクタなどがある関係上、「Unicodeの1コードポイント」と「1文字」は異なります。