Почему методы length() и codePointCount() для символа copyright (©) выдают одинаковое значение длины?

Здравствуйте!

Чтобы понять, почему методы `length()` и `codePointCount()` для символа копирайта (©) могут возвращать одинаковые значения, давайте разберемся, как работают эти методы и как интерпретируется символ копирайта в кодировке Unicode.

1. **Метод `length()`**:
   - Этот метод возвращает количество "размерных единиц" (так называемых "персонажей") в строке. В Java, например, строка кодируется в UTF-16, и каждый символ, который соответствует кодовой точке в диапазоне от U+0000 до U+FFFF, занимает одну размерную единицу (16 бит). Символы, которые находятся за пределами этого диапазона (называемые "суррогатные пары"), занимают две размерные единицы.
   - Например, символ копирайта в вашем случае, вероятно, представлен как суррогатная пара в UTF-16, что означает, что он занимает две размерные единицы.

2. **Метод `codePointCount()`**:
   - Этот метод возвращает количество "кодовых точек" в строке. Кодовые точки представляют собой числовые значения, которые соответствуют каждому символу в Unicode, и для суррогатной пары он будет возвращать одну кодовую точку.
   - В случае вашего символа (U+1F12F) этот метод также вернет 1, поскольку суррогатная пара интерпретируется как одна кодовая точка.

Таким образом, если вы получили значение 2 для обоих методов, скорее всего, вы вызываете `length()` на строке, содержащей символ копирайта, который результата интерпретируется как суррогатная пара. Правильное поведение должно быть следующим:

- `length()` вернет 2 (потому что суррогатная пара занимает две 16-битные единицы).
- `codePointCount()` вернет 1 (поскольку это одна кодовая точка).

Если `length()` и `codePointCount()` возвращают одно и то же значение (обе = 2), то это может быть результатом либо неправильного понимания, либо ошибки в преданном коде. Но в нормальных условиях для суррогатных пар они должны давать разные результаты.

Надеюсь, это проясняет ситуацию! Если у вас есть другие вопросы, не стесняйтесь спрашивать.

<a href="https://ru.stackoverflow.com/questions/762097/%D0%A7%D0%B5%D0%BC-%D0%BE%D1%82%D0%BB%D0%B8%D1%87%D0%B0%D0%B5%D1%82%D1%81%D1%8F-codepointcount-%D0%BE%D1%82-substring-length" rel="nofollow">https://ru.stackoverflow.com/questions/762097/%D0%...</a>

В UTF-16 знак копилефта (а не копирайта) U+1F12F занимает два символа: <code>D8 3C</code> (high surrogate code point) и <code>DD 2F</code> (trail surrogate-DD2F), образующие одну кодовую точку. <br/> А методы возвращают разную длину: <br/> <pre><code>System.out.println("\uD83C\uDD2F");                      // тостер не поддерживает utf8mb4
System.out.println("\uD83C\uDD2F".length());             // 2
System.out.println("\uD83C\uDD2F".codePointCount(0, 2)); // 1</code></pre>