(基础知识)位、字节、字符
在Java中，位（bit）、字节（byte）和字符（char）是三种基本的数据单位，各自具有特定的概念和用途。
位（bit）是计算机存储和处理信息的最小单位，只能表示两种状态：0或1。在Java中，位并没有对应的基本数据类型，而是作为最小的信息单元用于表示和操作数据。位操作常用于位掩码、位字段和位运算等场景。
字节（byte）是计算机信息技术用于计量存储容量的一种计量单位，也是Java中最小的内存单元。由8个二进制位（bit）组成，可以表示2^8种不同的状态，0到255之间的整数值。字节类型用关键字byte表示。
字符（char）是Java中用来表示Unicode字符的数据类型。由16个二进制位（即2个字节）组成，可以表示更多的字符，包括英文字母、数字、标点符号、中文汉字以及其他特殊字符。字符类型用关键字char表示。
三者之间的主要区别在于其表示信息的粒度不同，位是最小的单位，字节次之，字符则相对较大。
UTF-8编码中，字节和字符对应关系
在UTF-8编码中，字节和字符的对应关系并不是一对一的固定关系，根据字符的不同而有所变化。UTF-8是一种可变长度的编码方式，设计目标是向后兼容ASCII字符集。
- 对于ASCII字符集中的字符（0-127范围内的字符，包括英文字符、数字和一些控制字符），UTF-8编码与ASCII编码完全一致。这些字符在UTF-8编码中只占用1个字节。
- 对于其他Unicode字符，UTF-8使用多字节的序列来表示。具体的字节数取决于字符的Unicode码点范围：
对于U+0080到U+07FF范围内的字符（例如带有变音符号的拉丁字母等），UTF-8使用2个字节来表示。
对于U+0800到U+FFFF范围内的字符（包括大部分常用的中日韩文字、东南亚文字、中东文字等），UTF-8使用3个字节来表示。
对于U+10000到U+10FFFF范围内的字符（包括一些较为罕见的字符），UTF-8使用4个字节来表示。
在UTF-8编码中，中文字符（包括简体和繁体）的编码通常占用3个字节，中文标点也占用3个字节。英文字符（包括大小写字母）和英文标点在UTF-8编码中则分别占用1个字节。
String类的length()和codePointCount()的区别
String类的length()和codePointCount()方法的主要区别在于计算字符串长度的方式不同。
- 「计算单位」：length()方法返回的是字符串中的字符数，codePointCount()方法返回的是字符串中的Unicode码点数。
- 「处理Unicode码点」：length()方法不能处理Unicode码点，codePointCount()方法可以处理。在处理包含Unicode补充字符（如某些表情符号或特殊字符）的字符串时，codePointCount()方法能够更准确地计算长度。
- 「适用场景」：由于Unicode码点能够表示更广泛的字符集，codePointCount()方法在处理包含多种语言字符或特殊字符的字符串时更为适用。length()方法则更适用于处理ASCII字符集或不包含Unicode补充字符的字符串。
Emoji编解码
对整段字符进行编码(正常字符串)
try {
//编码
String encodeStr = URLDecoder.decode("字符串", StandardCharsets.UTF_8.name());
//解码
String decodeStr = URLDecoder.decode(encodeStr, StandardCharsets.UTF_8.name());
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}Emoij表情进行单独编码，只对Emoji表情编码，其他字符不编码，只需处理Unicode码点即可，解码的时候直接对整段解码。
public class EmojiUtils {
public static String escape(String src){
//1.得到代码点数量，也即是实际字符数，注意和length()的区别
//举例：
//一个emoji表情是一个字符，codePointCount()是1，length()是2。
//但是遇到过一个emoji表情居然带着空格符号，结果它的codePointCount()是2，length()也是2，实际上单独拎emoji来说，它的length()应该说是1才对了。
//推测这就是它们是否属于增补字符范围内，length=2的是增补字符，length=1的不是。
int cpCount = src.codePointCount(0, src.length());
//2.得到字符串的第一个代码点index，和最后一个代码点index
//举例：比如3个emoji表情，那么它的cpCount=3；firCodeIndex=0；lstCodeIndex=4
//因为每个emoji表情length()是2，所以第一个是0-1，第二个是2-3，第三个是4-5
int firCodeIndex = src.offsetByCodePoints(0, 0);
int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
StringBuilder sb = new StringBuilder();
int index = firCodeIndex;
while (index<=lstCodeIndex){
//3.获得代码点，判断是否是emoji表情
//注意，codePointAt(int) 这个int对应的是codeIndex
//举例:3个emoji表情，取第3个emoji表情，index应该是4
int codepoint = src.codePointAt(index);
if (!isEmojiCharacter(codepoint)) {
sb.append((char) codepoint);
}else{
try {
//4.对emoji表情UTF-8编码，判断是否是增补字符范围内
int length = Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
String encoderStr = URLEncoder.encode(src.substring(index,index + length), "UTF-8");
sb.append(encoderStr);
} catch (UnsupportedEncodingException e) {
}
}
//4.确定指定字符（Unicode代码点）是否在增补字符范围内。
//因为除了表情，还有些特殊字符也是在增补字符方位内的。
index += Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
}
return sb.toString();
}
public static String filter(String src) {
if (src == null) {
return null;
}
//得到codePointCount
int cpCount = src.codePointCount(0, src.length());
int firCodeIndex = src.offsetByCodePoints(0, 0);
int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
StringBuilder sb = new StringBuilder(src.length());
for (int index = firCodeIndex; index <= lstCodeIndex;) {
//遍历每个codePoint
int codepoint = src.codePointAt(index);
if (!isEmojiCharacter(codepoint)) {
System.err.println("codepoint:" + Integer.toHexString(codepoint));
sb.append((char) codepoint);
}
index += ((Character.isSupplementaryCodePoint(codepoint)) ? 2 : 1);
}
return sb.toString();
}
private static boolean isEmojiCharacter(int codePoint) {
return (codePoint >= 0x2600 && codePoint <= 0x27BF) // 杂项符号与符号字体
|| codePoint == 0x303D || codePoint == 0x2049 || codePoint == 0x203C
|| (codePoint >= 0x2000 && codePoint <= 0x200F)//
|| (codePoint >= 0x2028 && codePoint <= 0x202F)//
|| codePoint == 0x205F //
|| (codePoint >= 0x2065 && codePoint <= 0x206F)//
|| (codePoint >= 0x2100 && codePoint <= 0x214F)// 字母符号
|| (codePoint >= 0x2300 && codePoint <= 0x23FF)// 各种技术符号
|| (codePoint >= 0x2B00 && codePoint <= 0x2BFF)// 箭头A
|| (codePoint >= 0x2900 && codePoint <= 0x297F)// 箭头B
|| (codePoint >= 0x3200 && codePoint <= 0x32FF)// 中文符号
|| (codePoint >= 0xD800 && codePoint <= 0xDFFF)// 高低位替代符保留区域
|| (codePoint >= 0xE000 && codePoint <= 0xF8FF)// 私有保留区域
|| (codePoint >= 0xFE00 && codePoint <= 0xFE0F)// 变异选择器
|| codePoint >= 0x10000; // Plane在第二平面以上的，char都不可以存，全部都转
}
}
