Java 如何获取Unicode字符的基指针？

目前我有“codePointAt”，它从字符串返回字符的代码点。 是否有任何API或其他方法来获取当前字符的基指针

public class Testclass {

    public static void main(String[] args) {

        String unicodeString = "कागज़";
        int currentPoint = unicodeString.codePointAt(0);

        // Now currentPoint = 0x0915
        // I need currentPoint = 0x0900
    }
}

注意#我无法通过加法/减法创建基指针，因为不同语言的基点从不同的1/10位值开始。例如

亚美尼亚语-0530-058F-基指针0x0530（十位值）
Devanagari-0900-097F-基指针0x0900（百位值）

目前，我正在使用if-else块获取基指针，这不是动态的，也是冗长的方法：-（

int基指针；
如果（currentPoint>0x600&¤tPoint 0x900&¤tPoint，您可以使用位操作来查找基本指针，如下所示：

 switch (codePoint & 0xffffff00) {
   case 0x0600: // Arabic
   case 0x0900: // Devnagri, though you might need to check it is below 0x97F
   case 0x0000: // Latin
   default:     // Something else
 }

啊，对不起，我认为亚美尼亚语需要进一步处理，但希望总体思路适用于大多数语言

public static int baseCodePoint(int codePoint) {
  switch (codePoint & 0xffffff00) {
    case 0x0900: if (codePoint < 0x0980) return 0x0900;
    case 0x0500: if (codePoint >= 0x0530 && codePoint <= 0x058F) return 0x0530;
    // case ...: other bases where it is not the real base
    // Handling regular base pointers
    default: return codePoint & 0xffffff00;
  }
}

公共静态int-baseCodePoint（int-codePoint）{
开关（代码点和0xFFFF00）{
案例0x0900:if（代码点<0x0980）返回0x0900；
案例0x0500：如果（代码点>=0x0530&&codePoint，您可以将每种语言的开始/结束位置设置为
SortedMap
s，并检查代码点：

 private static final SortedSet<Integer, Integer> startToBase = new TreeMap<>();
 private static final SortedSet<Integer, Integer> endToBase = TreeMap<>();
 static {
   // Fill the SortedMaps:
   // latin
   startToBase.put(0, 0);
   endToBase.put(0x00ff, 0);
   // ...
 }
 // Or load this from a web service, table or anything you find comfortable

 public static final int baseCodePoint(int codePoint) {
   // The codePoint should be inserted here (after)
   int baseFromStart = startToBase.get(startToBase.headMap(codePoint + 1).lastKey());
   // the code point should be inserted here (before).
   int baseFromEnd   = endToBase.get(endToBAse.tailMap(codePoint).firstKey());
   if (baseFromStart == baseFromEnd) {
     return baseFromStart;
   }
   throw new IllegalArgumentException(codePoint + " is unknown.");
 }

private static final SortedSet startToBase=new TreeMap（）；
私有静态最终分类集endToBase=TreeMap（）；
静止的{
//填写分类地图：
//拉丁语
startToBase.put（0,0）；
endToBase.put（0x00ff，0）；
// ...
}
//或者从web服务、表或任何您认为合适的地方加载此文件
公共静态最终整数基码点（整数码点）{
//代码点应插入此处（之后）
int baseFromStart=startToBase.get（startToBase.headMap（codePoint+1.lastKey（））；
//应在此处（之前）插入代码点。
int baseFromEnd=endToBase.get（endToBase.tailMap（codePoint.firstKey（））；
if（baseFromStart==baseFromEnd）{
返回baseFromStart；
}
抛出新的IllegalArgumentException（代码点+“未知”）；
}
好的，在考虑了一下这一点之后，这里有一种使用Java API的方法。它由三部分组成：

将中不可访问的块基表重新生成为
Map
用于查找给定代码点的块名
使用
映射
查找给定块名的Unicode块基
请注意，在我的机器上，在大约10-15毫秒的时间内，重新生成块基表的速度相对较慢，因此最好生成一次并重新使用。我保留了基本的计时代码

private static final int SUPPLEMENTARY_PRIVATE_USE_AREA_A_BASE = 0x0F0000;
private static final int SUPPLEMENTARY_PRIVATE_USE_AREA_B_BASE = 0x100000;

private static final Character.UnicodeBlock SUPPLEMENTARY_PRIVATE_USE_AREA_A =
    Character.UnicodeBlock.of(SUPPLEMENTARY_PRIVATE_USE_AREA_A_BASE);
private static final Character.UnicodeBlock SUPPLEMENTARY_PRIVATE_USE_AREA_B =
    Character.UnicodeBlock.of(SUPPLEMENTARY_PRIVATE_USE_AREA_B_BASE);

public static Map<Character.UnicodeBlock, Integer> makeUnicodeBlockBaseMap() {
  long startNanos = System.nanoTime();
  Map<Character.UnicodeBlock, Integer> unicodeBases = new HashMap<>();
  // Unicode blocks start on 16 (0x10) byte boundaries.
  for (int cp = 0x00000; cp < SUPPLEMENTARY_PRIVATE_USE_AREA_A_BASE; cp += 0x10) {
    Character.UnicodeBlock ucb = Character.UnicodeBlock.of(cp);
    if (ucb != null) {
      unicodeBases.putIfAbsent(ucb, cp);
    }
  }
  // These blocks are huge, so add them manually.
  unicodeBases.put(SUPPLEMENTARY_PRIVATE_USE_AREA_A, SUPPLEMENTARY_PRIVATE_USE_AREA_A_BASE);
  unicodeBases.put(SUPPLEMENTARY_PRIVATE_USE_AREA_B, SUPPLEMENTARY_PRIVATE_USE_AREA_B_BASE);
  long endNanos = System.nanoTime();
  System.out.format("Total time = %.3f s%n", (endNanos - startNanos) / 1e9);
  return unicodeBases;
}

public static void main(String[] args) {
  Map<Character.UnicodeBlock, Integer> unicodeBlockBases = makeUnicodeBlockBaseMap();

  String unicodeString = "कागज़";
  int currentPoint = unicodeString.codePointAt(0);

  Character.UnicodeBlock ucb = Character.UnicodeBlock.of(currentPoint);
  System.out.println(ucb);                                   // DEVANAGARI
  System.out.format("0x%04X%n", unicodeBlockBases.get(ucb)); // 0x0900
}

private static final int SUPPLEMENTARY\u private\u USE\u AREA\u A\u BASE=0x0F0000；
专用静态最终整数补充\专用\使用\面积\基数=0x100000；
private static final Character.UnicodeBlock补充_private_USE_AREA_A=
字符.UnicodeBlock.of（补充\私人\使用\区域\基地）；
private static final Character.UnicodeBlock补充_private_USE_AREA_B=
字符.UnicodeBlock.of（补充\私人\使用\区域\基地）；
公共静态映射makeUnicodeBlockBaseMap（）{
long startNanos=System.nanoTime（）；
Map=newhashmap（）；
//Unicode块从16（0x10）字节边界开始。
对于（int cp=0x00000；cp<辅助\u专用\u使用\u区域\u基地；cp+=0x10）{
Character.UnicodeBlock ucb=Character.UnicodeBlock.of（cp）；
如果（ucb！=null）{
独角兽。putIfAbsent（ucb，cp）；
}
}
//这些块很大，所以手动添加它们。
unicodeBases.put（辅助专用区、辅助专用区、辅助基地）；
unicodeBases.put（补充用地、补充用地）；
long-endNanos=System.nanoTime（）；
System.out.format（“总时间=%.3f s%n”，（endNanos-startNanos）/1e9）；
退换货；
}
公共静态void main（字符串[]args）{
Map unicodeBlockBases=makeUnicodeBlockBaseMap（）；
字符串解析=”कागज़";
int currentPoint=unicodeString.codepoint（0）；
Character.UnicodeBlock ucb=Character.UnicodeBlock.of（currentPoint）；
System.out.println（ucb）；//DEVANAGARI
System.out.format（“0x%04X%n”，unicodeblockbase.get（ucb））；//0x0900
}
多亏了Gábor Bakos的灵感，我做到了这一点：

TreeMap<Integer, Integer> languageCodePoints = new TreeMap<>();
languageCodePoints.put(0x0020, 0x007E);
languageCodePoints.put(0x00A0, 0x00FF);
languageCodePoints.put(0x0100, 0x017F);
languageCodePoints.put(0x0900, 0x097F); // Devanagri  

// So on for all other languages, referred ISO/IEC 10646:2010 
// for code points of present languages

现在“startDepoint=0x900”是我真正需要的。我认为这是一个非常简单的方法。：-p

有一件事是，我必须为新的语言条目维护“languageCodePoints”树状图，但要比switch/if-else好得多

感谢大家的支持。：-）
我认为亚美尼亚语/德瓦纳加里语的问题是这个问题的核心。也许一个比特模式列表，先使用较短的比特模式或类似的东西可能会有用？Hi@GáborBakos谢谢，但它不会处理许多语言。我也不想为所有语言编写if-else/switch case。我目前使用的是一个st自动进近：-（嗯，后一个选项已经可以处理拉丁语、西里尔语、阿拉伯语、藏语和更多的语言。@GáborBakos，但您提供的解决方案是使用switch case，我必须为其维护一个不是动态方法的案例表。因此它不满足要求。感谢您提供了另一种方法，但请理解我正在寻求一种动态方法。如果，在任何情况下，我必须以任何方式创建语言代码的数据库/存储，那么解决方案是没有帮助的。：-（头部映射/尾部映射部分可能会出现一个接一个的错误。在这种情况下，您应该向unicode consortium投诉，因为它创建了这样的代码。）说真的，我认为有这样的数据库，你只需要适当地解析它就可以了。呵呵：-D，我想的是创建一个库，然后发布给其他人使用，因为我找不到任何库。：-D感谢你的启发。我已经创建了一个树形图，并获得了基本代码点。唯一的是静态方法，但是这比我想象的要好得多
TreeMap<Integer, Integer> languageCodePoints = new TreeMap<>();
languageCodePoints.put(0x0020, 0x007E);
languageCodePoints.put(0x00A0, 0x00FF);
languageCodePoints.put(0x0100, 0x017F);
languageCodePoints.put(0x0900, 0x097F); // Devanagri  

// So on for all other languages, referred ISO/IEC 10646:2010 
// for code points of present languages

String unicodeString = "कागज़";
int currentPoint = unicodeString.codePointAt(0);
int startCodePoint = languageCodePoints.floorKey(currentPoint);