如何验证CharSequence的实例是否是Unicode标量值的序列？

Question

我有一个java.lang.CharSequence的实例。我需要确定此实例是否是Unicode scalar values的序列（即，实例是否采用UTF-16编码形式）。尽管有java.lang.String的保证，但Java字符串不一定是UTF-16编码形式（至少不是根据最新的Unicode specification，目前为6.2），因为它可能包含隔离的surrogate code units 。 （但Java字符串是Unicode 16-bit string。）

有几种明显的方法可以解决这个问题，包括：

1. 迭代序列的code points，明确地将每个序列验证为Unicode标量值。
2. 使用正则表达式搜索隔离的代理代码点。
3. 将字符序列通过character-set encoder。
reports encoding errors

然而，好像这样的东西应该已经作为库函数存在了。我只是无法在标准API中找到它。我错过了，还是需要实现它？

Answer 1

试试这个功能

static boolean isValidUTF16(String s) {
    for (int i = 0; i < s.length(); i++) {
        if (Character.isLowSurrogate(s.charAt(i)) && (i == 0 || !Character.isHighSurrogate(s.charAt(i - 1)))
                || Character.isHighSurrogate(s.charAt(i)) && (i == s.length() -1 || !Character.isLowSurrogate(s.charAt(i + 1)))) {
            return false;
        }
    }
    return true;
}

这是一个测试

public static void main(String args[]) {
    System.out.println(isValidUTF16("\uDC00\uDBFF"));
    System.out.println(isValidUTF16("\uDBFF\uDC00"));
}