如何从java中的字符串中获取正确的阿拉伯字符（正确的形式）？

我试图计算java中阿拉伯字符串中字符的宽度，但有时我无法获得正确的字符。如果您不知道阿拉伯字符可以根据它们在单词中的位置进行连接，并且每个变体都有不同的十六进制代码：https://en.wikipedia.org/wiki/Arabic_script_in_Unicode#:~:text=External%20links-,Contextual%20forms,-%5Bedit%5D https://en.wikipedia.org/wiki/Arabic_script_in_Unicode#:%7E:text=External%20links-,Contextual%20forms,-%5Bedit%5D

发生的事情是，假设我在这个字符中读到： Ê （十六进制值 FE95） 。现在，根据它在单词中出现的位置，它可以采取不同的形式（请参阅上下文链接，这是表中的第三个字母）。当它出现在单词的开头时，它应该看起来像：ﺗ（十六进制代码 FE97）。在我读取的字符串中，它显示为 ﺗ （十六进制代码 FE97），但是当我使用 string.charAt(index) 读取它时，我得到 Ê （十六进制值 FE95）。有谁知道如何用正确的十六进制值读取正确的字符？

编辑： 这里供参考的是字符串 ÍÍÀõك 。中间的字母都没有以正确的形式读入：

• 第一个字母是我上面描述的那个
• 第二个字母是字母 Í（十六进制 FEB5）。在单词中，它表示为 ﺸ（十六进制 FEB8），但当通过 string.charAt 读取时，它保存值 Í（十六进制 FEB5）
• 第三个字母是 Ù（十六进制 FEA5）。在单词中，它表示为 ﺨ（十六进制 FEA8），但当通过 string.charAt 读取时，它保存值 Ù（十六进制 FEA5）

等等... 任何帮助将非常感激！

From 您链接的维基百科文章 https://en.wikipedia.org/wiki/Arabic_script_in_Unicode:

呈现形式的存在只是为了与旧标准兼容，目前不需要对文本进行编码。

换句话说，您应该只使用通用形式（即 0600–06FF 范围代码点），而不是 FE70–FEFF 代码点范围的表示形式。请注意，您的示例字符串 ФдЮиеك 仅由 06xx 个字符组成，至少是浏览器给我的。

如果您有 FE70–FEFF 字符的旧源，请不要尝试修复它们的顺序，而只需通过将字符串转换为规范形式来删除表示信息。例如。

String s = "\uFE97\uFE98\uFE97\uFE96\uFE98";
System.out.println(s);
s = Normalizer.normalize(s, Normalizer.Form.NFKD);
System.out.println(s);
System.out.println(s.chars().mapToObj(i -> String.format("\\u%04X", i))
    .collect(Collectors.joining("", "\"", "\"")));

打印

ﺗﺘﺗﺖﺘ
تتتتت
"\u062A\u062A\u062A\u062A\u062A"

该示例的源字符串故意弄乱了表示形式字符，以显示如何仅获取没有表示信息、仅由通用 U+062A 字符的重复组成的字符串来解决问题。换句话说，通用字符串被正确打印。

这种处理是通过字体完成的，该功能称为字形整形。我们可以看到它的实际效果，例如和

Font font = new Font("DejaVu Sans", 0, 48); // or Droid Sans Arabic
FontRenderContext frc = new FontRenderContext(null, true, false);

String s = "\u062A\u062A\u062A";
System.out.println(s);

if(font.canDisplayUpTo(s) >= 0) {
    System.out.println("can't display string");
    System.exit(0);
}
GlyphVector g = font.layoutGlyphVector(frc,
    s.toCharArray(), 0, s.length(), Font.LAYOUT_RIGHT_TO_LEFT);

Rectangle r = g.getPixelBounds(frc, 0, 0);
System.out.println("Total width " + r.width);
for(int i = 0, n = g.getNumGlyphs(); i < n; i++) {
    int chPos = g.getGlyphCharIndex(i);
    System.out.printf("%2d (U+%04X) glyph code %4d, width %.0f%n",
        chPos,(int)s.charAt(chPos),g.getGlyphCode(i),g.getGlyphMetrics(i).getAdvance());
}
BufferedImage bi = new BufferedImage(r.width, r.height, BufferedImage.TYPE_BYTE_BINARY);
Graphics2D gfx = bi.createGraphics();
//System.out.println(r);
gfx.drawGlyphVector(g, -r.x, -r.y);
gfx.dispose();
for(int line = 0, nLines = r.height; line < nLines; line++) {
    for(int ch = 0, nChars = r.width; ch < nChars; ch++) {
        System.out.print((bi.getRGB(ch, line) & 0xff) > 0? 'X': ' ');
    }
    System.out.println();
}
System.out.println();

在线尝试一下！ https://tio.run/##hVRtb9owEP7OrzhFYjgiDaiqpmm0m6B0HVLXVpRWRduETOIkZsFBtlOCJn47OwdoE0i1fEjse3nu7vHjzOgLPZn5fzYbPl8kUsMMDS5davdbInSndmi9lnQRcU@d9o99Q@ZpKsKYHbsCBMsRh0z4TF7iimX6nbjreLWInhAskccRfE5D5vbSIGCS@QOz69RqNS@mSoGpcJXR@SJm8LcG@CzSacw9UJpq/Lwk3Ic55YI8aMlF@PM3UBkqexdsHgMBpg24AMGW@Z5YfTajTyk8UKEsB9oOnH2yO9BqQSKhLw2qcUFX0in3SlilgSGQXgG35CMijWMHtEyZAwGNFbNxsD3Utl9QmG39StsfT7vFt9V5C1wpzeZukmp3gSk6FkQVgXhAcpI9KvpcLWK6elyMEoyBLxfQLjLxDpqFmQ0N/jYZmTWNWXanKo9lXJN2wbd@XRUOGUKcKm8KAbFUwUWQMKeErFydXEZUdqWkK2Lnh6HcmIlQR2ZreHVvuuO7x9FkOLj@PpqM7iY3V99GRRJelQoSS4duyPQ9z1jcS1Lhq7yowS12XsXEKNE0hiX3dQQWNEG6@bqQFeAIGAwcyyCg2Fe7Tef5lIqgjDicg8BPs3lIv0n1ovtE7fPyJDP@AJWTEV5N@2uTAbHqpz6Qx2a9ffZsQ2jSwUt8BvUz39m1XnfbQV1YZZ7Nk5d2zAC2cj1Duia5zXYK3SAaNlKw/GCoCU@h0Zi6/gsVHiN2pQxKFxmmfHc7Smay49VBgiPGw0g75QB3NL6/mvTGI3wNbrvDcaHU2w8LwiBD@Cl3PcmoZnsPKUS3WhXnLAsBiOH6ki6LGg0dOJFulr9Xh7F4TRLFSIUmYi7YThY3uDRnvJ@vs3We7zzb7bE89khetMMxytji5IR1jOd8ZzabY4gq1RCCHOHJDa97eNxOXtyGD9DOggB/E9D@Co3nxmdoQONAf@v//TwqNfB@3Lq23mz@AQ

تتت
Total width 70
 2 (U+062A) glyph code 5261, width 47
 1 (U+062A) glyph code 5263, width 14
 0 (U+062A) glyph code 5262, width 13
                                               XX    XX      XX    XX 
                                              XXXX  XXXX    XXXX  XXXX
                                              XXXX  XXXX    XXXX  XXXX
                                              XXXX  XXXX    XXXX  XXXX
                                                                      
              XX    XX                                                
             XXXX  XXXX                                               
             XXXX  XXXX                                               
             XXXX  XXXX           XXXX                                
                                  XXXX                                
 XXXX                             XXXXX          XXXX          XXXX   
 XXXX                             XXXXX          XXXX          XXXX   
XXXXX                             XXXXX          XXXX          XXXX   
XXXX                              XXXXX          XXXX          XXXX   
XXXX                              XXXXX          XXXX          XXXX   
XXXX                             XXXXXX          XXXX          XXXX   
XXXXX                          XXXXXXXX          XXXX          XXXX   
XXXXX                        XXXXXXXXXXX        XXXXXX        XXXXX   
 XXXXXX                    XXXXXXXXXXXXX        XXXXXX        XXXXX   
 XXXXXXXX              XXXXXXXXXXX  XXXXXX    XXXXXXXXXX    XXXXXX    
  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX   XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX    
   XXXXXXXXXXXXXXXXXXXXXXXXXXXX      XXXXXXXXXXXXXXXXXXXXXXXXXXXX     
     XXXXXXXXXXXXXXXXXXXXXXX          XXXXXXXXXXXX  XXXXXXXXXXXX      
        XXXXXXXXXXXXXXXX                XXXXXXXXX    XXXXXXXXXX       

请注意，实际的字形数量完全取决于特定的字体。例如，某些字体将中间的 Ê 字符映射到与最后一个字符相同的字形 - 纯粹的风格选择。

该程序仅用于演示相同的代码点（在本例中，char就足够了）可能会映射到不同的字体特定字形。