实现一种算法来确定字符串是否具有所有唯一字符（大于u+ffff的字符）

Question

我在练习面试问题，其中一个问题是：“实现一个算法来确定字符串是否具有所有唯一的字符”。

但我的问题是：如果我们假设string可以包含象形文字符号或任何东西（代码点大于u+ffff...？），那么该如何解决。

所以，如果我理解的正确，我可以很容易地想到解决方案，如果给定的字符串包含的字符属于从u+0000到u+ffff的字符集--它们可以转换成16位char，但如果我遇到一个字符的代码点大于u+ffff...？

码位大于U+FFFF的字符称为辅助字符。Java平台在char数组以及String和StringBuffer类中使用UTF-16表示。在此表示中，补充字符表示为一对字符值，第一个值来自高替代范围(\ud800-\udbff)，第二个值来自低替代范围(\udc00-\udfff)

但我不知道如何解决这个谜题在那种情况下，我如何处理那些代理对？

谢谢！

Answer 1

Java8有一个charSequence#codepoints方法，它在字符串中生成Unicode代码点的IntStream。从那时起，就变成了编写代码来测试IntStream中元素的唯一性的问题。

如果您还在Java7或更低的版本中，也可以使用基于代码点的方法来解决这个问题，但使用起来要复杂得多。您必须循环访问字符串的chars，并检查每个值，以判断是否在处理代理项对。类似于（完全未经测试的）：

for (int i = 0; i < str.length(); i++) {
    int codepoint = str.codePointAt(i++);
    if (Character.isHighSurrogate(str.charAt(i))) {
        // This will fail if the UTF-16 representation of 
        // this string is wrong (e.g., high surrogate `char` 
        // at the end of the string's `char[]`).
        i += 1;
    }
    // do stuff with codepoint...
}