Java Unicode 代理對編程完全指南：API、效能與最佳實踐

背景：從 UCS-2 到 UTF-16

早期 Java 用 16 位 char 表示 Unicode（BMP 範圍 0x0000~0xFFFF）。Unicode 3.1 擴展至 0x10FFFF，超出 16 位容量。UTF-16 引入代理對：高代理（0xD800~0xDBFF）+ 低代理（0xDC00~0xDFFF）組合表示補充字符（0x10000~0x10FFFF），共 1,048,576 碼位。Java 1.5 保留 char 相容性，新增碼位（code point，32 位）概念支援 UTF-32。

順序訪問：七種實作與效能比較

將字串轉為 int[] 碼位陣列。測試環境：10,000 代理對 + 10,000 非代理對，重複 10,000 次。

推薦實作（範例 1-5/1-6）

// 1-5: 使用 charCount 避免 offsetByCodePoints 開銷
int[] toCodePointArray(String str) {
    int[] acp = new int[str.codePointCount(0, str.length())];
    for (int i = 0, cp; i < str.length(); i += Character.charCount(cp)) {
        cp = str.codePointAt(i);
        acp[j++] = cp;
    }
    return acp;
}

// 1-6: 大量資料時轉 char[] 更快
int[] toCodePointArray(String str) {
    char[] ach = str.toCharArray();
    int[] acp = new int[Character.codePointCount(ach, 0, ach.length)];
    for (int i = 0, cp; i < ach.length; i += Character.charCount(cp)) {
        cp = Character.codePointAt(ach, i);
        acp[j++] = cp;
    }
    return acp;
}

隨機訪問：避免 O(N²) 陷阱

按碼位索引切分字串。關鍵在於避免重複從頭計算 offsetByCodePoints：

// 低效：每次從 0 開始計算
int begin = str.offsetByCodePoints(0, pos);
int end = str.offsetByCodePoints(0, pos + width);

// 高效：從當前 char 位置偏移
int end = str.offsetByCodePoints(pos, width);
pos = end; // 直接更新 char 位置

int cp = 0x20B9F;
new String(new int[]{cp}, 0, 1);        // 206ms
new String(Character.toChars(cp));       // 187ms ✓
String.valueOf(Character.toChars(cp));   // 195ms
new StringBuilder().appendCodePoint(cp).toString(); // 269ms
String.format("%c", cp);                 // 3781ms ✗ (僅用於最終輸出)