Nenhuma das respostas propostas funciona para pares substitutos usados para codificar caracteres fora do Plano Multiligual Básico Unicode .
Aqui está um exemplo usando três técnicas diferentes para iterar sobre os "caracteres" de uma string (incluindo a API de fluxo Java 8). Observe que este exemplo inclui caracteres do plano multilíngue suplementar Unicode (SMP). Você precisa de uma fonte adequada para exibir este exemplo e o resultado corretamente.
// String containing characters of the Unicode
// Supplementary Multilingual Plane (SMP)
// In that particular case, hieroglyphs.
String str = "The quick brown 𓃥 jumps over the lazy 𓊃𓍿𓅓𓃡";
Iteração de caracteres
A primeira solução é um loop simples sobre toda char
a cadeia:
/* 1 */
System.out.println(
"\n\nUsing char iterator (do not work for surrogate pairs !)");
for (int pos = 0; pos < str.length(); ++pos) {
char c = str.charAt(pos);
System.out.printf("%s ", Character.toString(c));
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
}
Iteração de pontos de código
A segunda solução também usa um loop explícito, mas acessando pontos de código individuais com codePointAt e incrementando o índice de loop de acordo com charCount :
/* 2 */
System.out.println(
"\n\nUsing Java 1.5 codePointAt(works as expected)");
for (int pos = 0; pos < str.length();) {
int cp = str.codePointAt(pos);
char chars[] = Character.toChars(cp);
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to a `char[]`
// as code points outside the Unicode BMP
// will map to more than one Java `char`
System.out.printf("%s ", new String(chars));
// ^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
pos += Character.charCount(cp);
// ^^^^^^^^^^^^^^^^^^^^^^^
// Increment pos by 1 of more depending
// the number of Java `char` required to
// encode that particular codepoint.
}
Iterar sobre pontos de código usando a API de Stream
A terceira solução é basicamente a mesma que a segunda, mas usando a API Java 8 Stream :
/* 3 */
System.out.println(
"\n\nUsing Java 8 stream (works as expected)");
str.codePoints().forEach(
cp -> {
char chars[] = Character.toChars(cp);
// ^^^^^^^^^^^^^^^^^^^^^
// Convert to a `char[]`
// as code points outside the Unicode BMP
// will map to more than one Java `char`
System.out.printf("%s ", new String(chars));
// ^^^^^^^^^^^^^^^^^
// Convert to String as per OP request
});
Resultados
Ao executar esse programa de teste, você obtém:
Using char iterator (do not work for surrogate pairs !)
T h e q u i c k b r o w n ? ? j u m p s o v e r t h e l a z y ? ? ? ? ? ? ? ?
Using Java 1.5 codePointAt(works as expected)
T h e q u i c k b r o w n 𓃥 j u m p s o v e r t h e l a z y 𓊃 𓍿 𓅓 𓃡
Using Java 8 stream (works as expected)
T h e q u i c k b r o w n 𓃥 j u m p s o v e r t h e l a z y 𓊃 𓍿 𓅓 𓃡
Como você pode ver (se você conseguir exibir hieróglifos corretamente), a primeira solução não manipula corretamente caracteres fora do Unicode BMP. Por outro lado, as outras duas soluções lidam bem com pares substitutos.