在Java中迭代字符串字符的最简单/最好/最正确的方法是什么？

注意,如果您处理BMP(Unicode 基本多语言平面)之外的字符,即超出u0000-uFFFF范围的代码点,则此处描述的大多数其他技术都会被破坏.这种情况很少发生,因为此外的代码点主要分配给死语言.但是除此之外还有一些有用的字符,例如用于数学符号的一些代码点,还有一些用于用中文编码专有名称.

在这种情况下,您的代码将是:

String str = "....";
int offset = 0, strLen = str.length();
while (offset < strLen) {
  int curChar = str.codePointAt(offset);
  offset += Character.charCount(curChar);
  // do something with curChar
}

该Character.charCount(int)方法需要Java 5+.

资料来源:http://mindprod.com/jgloss/codepoint.html

我同意StringTokenizer在这里有点过分.实际上我尝试了上面的建议,并花时间.

我的测试非常简单:创建一个大约有一百万个字符的StringBuilder,将它转换为一个String,然后使用charIt()/在转换为char数组/使用CharacterIterator一千次后遍历每个字符串(当然要确保在字符串上执行某些操作,以便编译器无法优化整个循环:-)).

我的2.6 GHz Powerbook(这是一个mac :-))和JDK 1.5的结果:

测试1:charAt + String - > 3138毫秒

测试2:字符串转换为数组 - > 9568毫秒

测试3:StringBuilder charAt - > 3536毫秒

测试4:CharacterIterator和String - > 12151毫秒

由于结果显着不同,最直接的方式似乎也是最快的方式.有趣的是,StringBuilder的charAt()似乎比String更慢.

BTW我建议不要使用CharacterIterator,因为我认为它滥用'\ uFFFF'字符作为"迭代结束"是一个非常糟糕的黑客.在大项目中,总有两个人使用相同类型的黑客用于两个不同的目的,代码崩溃真的很神秘.

这是其中一项测试:

    int count = 1000;
    ...

    System.out.println("Test 1: charAt + String");
    long t = System.currentTimeMillis();
    int sum=0;
    for (int i=0; i

        

5> Bruno De Fra..：
有一些专门的类:

import java.text.*;

final CharacterIterator it = new StringCharacterIterator(s);
for(char c = it.first(); c != CharacterIterator.DONE; c = it.next()) {
   // process c
   ...
}

        
对于像迭代不可变char数组这样简单的东西看起来像是一种过度杀伤. 
使用字符迭代器可能是迭代字符的唯一正确方法,因为Unicode需要比Java`char`提供的空间更多的空间.Java`char`包含16位,可以在U + FFFF上保存Unicode字符,但Unicode指定U + 10FFFF以上的字符.使用16位对Unicode进行编码会产生可变长度的字符编码.本页的大多数答案都假设Java编码是一种常量长度编码,这是错误的. 
@ceving看起来字符迭代器似乎不会帮助你使用非BMP字符:http://www.oracle.com/us/technologies/java/supplementary-142654.html 
同意@ddimitrov  - 这太过分了.使用迭代器的唯一原因是利用foreach,这比for循环更容易"看".如果你打算写一个传统的for循环,那么不妨使用charAt() 

6> Touko..：
如果你的类路径上有Guava,以下是一个非常可读的替代方案.对于这种情况,Guava甚至有一个相当明智的自定义List实现,所以这不应该是低效的.

for(char c : Lists.charactersOf(yourString)) {
    // Do whatever you want     
}


更新:正如@Alex指出的那样,使用Java 8也CharSequence#chars可以使用.甚至类型是IntStream,因此它可以映射到如下的字符:

yourString.chars()
        .mapToObj(c -> Character.valueOf((char) c))
        .forEach(c -> System.out.println(c)); // Or whatever you want

        

7> i_am_zero..：
在Java 8中,我们可以解决它:

String str = "xyz";
str.chars().forEachOrdered(i -> System.out.print((char)i));
str.codePoints().forEachOrdered(i -> System.out.print((char)i));


方法chars()返回doc中IntStream提到的:


  
返回int的流,从此序列中对char值进行零扩展.任何映射到代理代码点的char都会被解释.如果在读取流时序列被突变,则结果是未定义的.


该方法codePoints()还IntStream根据doc 返回:


  
返回此序列中的代码点值流.序列中遇到的任何代理对都被组合,就好像通过Character.toCodePoint一样,结果传递给流.任何其他代码单元(包括普通BMP字符,未配对代理和未定义代码单元)都将零扩展为int值,然后传递给流.


char和代码如何区别？正如提到的这个文章:


  
Unicode 3.1添加了补充字符,使总字符数超过216个字符,可以通过单个16位进行区分char.因此,char值不再与Unicode中的基本语义单元进行一对一映射.更新了JDK 5以支持更大的字符值集.char一些新的补充字符不是改变类型的定义,而是由两个char值的代理对表示.为了减少命名混淆,将使用代码点来指代表示特定Unicode字符的数字,包括补充字符.


最后为什么forEachOrdered不forEach呢？

如果流具有已定义的遭遇顺序,则在流的遭遇顺序中执行针对此流的每个元素的操作时,行为forEach明确是非确定性的.所以不保证订单会被保留.另请查看此问题.forEachOrderedforEach

对于字符,代码点,字形和字形之间的差异,请检查此问题.

        

8> Alex..：
如果你需要遍历a的代码点String(参见这个答案),更简单/更易读的方法是使用CharSequence#codePointsJava 8中添加的方法:

for(int c : string.codePoints().toArray()){
    ...
}


或直接使用流而不是for循环:

string.codePoints().forEach(c -> ...);


还有CharSequence#chars,如果你想要的字符流(虽然它是IntStream,因为没有CharStream).