Skip to main content
adicionou 240 caracteres ao conteúdo
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170

O if acima também pode ser assim:

// não preciso saber o valor do próximo, só preciso verificar se são um surrogate pair
if (c == 0xd83d && i < texto.length() - 1 && Character.isSurrogatePair(c, texto.charAt(i + 1))) {

Mas neste caso, acho melhor usar contains:

Mas neste caso, acho melhor usar contains:

O if acima também pode ser assim:

// não preciso saber o valor do próximo, só preciso verificar se são um surrogate pair
if (c == 0xd83d && i < texto.length() - 1 && Character.isSurrogatePair(c, texto.charAt(i + 1))) {

Mas neste caso, acho melhor usar contains:

adicionou 365 caracteres ao conteúdo
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170

Isso porque um char em Java possui 16 bits, e só é capaz de guardar valores até 65535. Mas o Unicode define uma quantidade muito maior de caracteres, então caracteres como o emoji PILE OF POO, cujo code point é U+1F4A9 (ou seja, um valor maior do que um char suporta) são "quebrados" em dois - no caso, 0xD83D e 0xDCA9, que é chamado de "surrogate pair""surrogate pair" (isso porque internamente o Java guarda as String's em UTF-16 - para entender melhor, leia aqui e aqui).

Ou seja, se eu quiser buscar pelo emoji, não adianta percorrer os char's (a menos que você coloque outro if para verificar surrogate pairs)um a um. NesteUma solução não muito boa seria verificar o próximo caractere para saber se é um surrogate pair:

for (int i = 0; i < texto.length(); i++) {
    char c = texto.charAt(i);
    // verifica o surrogate pair (precisa verificar o próximo caractere)
    if (c == 0xd83d && i < texto.length() - 1 && texto.charAt(i + 1) == 0xdca9) {
        System.out.println("tem emoji");
    }
}

Mas neste caso, terei queacho melhor usar contains:

int codePointCount = texto.codePointCount(0, texto.length());
for (int i = 0; i < codePointCount; i++) {
    int cp = texto.codePointAt(i);
    if (cp == 0x1f4a9) {
        System.out.println("tem emoji");
    }
    if (cp 
 == 'a') { // comparação com char literal continua funcionando para valores abaixo de 0xffff
    if (cp == 'a') {
        System.out.println("Tem letra 'a'");
    }
}

Isso porque um char em Java possui 16 bits, e só é capaz de guardar valores até 65535. Mas o Unicode define uma quantidade muito maior de caracteres, então caracteres como o emoji PILE OF POO, cujo code point é U+1F4A9 (ou seja, um valor maior do que um char suporta) são "quebrados" em dois - no caso, 0xD83D e 0xDCA9, que é chamado de "surrogate pair" (isso porque internamente o Java guarda as String's em UTF-16 - para entender melhor, leia aqui e aqui).

Ou seja, se eu quiser buscar pelo emoji, não adianta percorrer os char's (a menos que você coloque outro if para verificar surrogate pairs). Neste caso, terei que usar contains:

int codePointCount = texto.codePointCount(0, texto.length());
for (int i = 0; i < codePointCount; i++) {
    int cp = texto.codePointAt(i);
    if (cp == 0x1f4a9) {
        System.out.println("tem emoji");
    }
    if (cp == 'a') { // comparação com char literal continua funcionando
        System.out.println("Tem letra 'a'");
    }
}

Isso porque um char em Java possui 16 bits, e só é capaz de guardar valores até 65535. Mas o Unicode define uma quantidade muito maior de caracteres, então caracteres como o emoji PILE OF POO, cujo code point é U+1F4A9 (ou seja, um valor maior do que um char suporta) são "quebrados" em dois - no caso, 0xD83D e 0xDCA9, que é chamado de "surrogate pair" (isso porque internamente o Java guarda as String's em UTF-16 - para entender melhor, leia aqui e aqui).

Ou seja, se eu quiser buscar pelo emoji, não adianta percorrer os char's um a um. Uma solução não muito boa seria verificar o próximo caractere para saber se é um surrogate pair:

for (int i = 0; i < texto.length(); i++) {
    char c = texto.charAt(i);
    // verifica o surrogate pair (precisa verificar o próximo caractere)
    if (c == 0xd83d && i < texto.length() - 1 && texto.charAt(i + 1) == 0xdca9) {
        System.out.println("tem emoji");
    }
}

Mas neste caso, acho melhor usar contains:

int codePointCount = texto.codePointCount(0, texto.length());
for (int i = 0; i < codePointCount; i++) {
    int cp = texto.codePointAt(i);
    if (cp == 0x1f4a9) {
        System.out.println("tem emoji");
    }
 
    // comparação com char literal continua funcionando para valores abaixo de 0xffff
    if (cp == 'a') {
        System.out.println("Tem letra 'a'");
    }
}
removeu 10 caracteres do conteúdo
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170
int[] codepoints = new int[] { 0x61, 0x1f4a9 };
String texto = new String(codepoints, 0, codepoints.length);
int[] codepoints = new int[] { 0x61, 0x1f4a9 };
String texto = new String(codepoints, 0, codepoints.length);
int[] codepoints = { 0x61, 0x1f4a9 };
String texto = new String(codepoints, 0, codepoints.length);
adicionou 1 caractere ao conteúdo
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170
Carregando
adicionou 2062 caracteres ao conteúdo
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170
Carregando
Fonte Link
hkotsubo
  • 66,9mil
  • 25
  • 87
  • 170
Carregando