本文正在参与「金石计划 . 瓜分6万现金大奖」
原作者：Daniel Lemire
原文地址：lemire.me/blog/2018/0…
emoji 是有趣的字符，而且越来越流行。可是，关于程序员来说，处理 emoji 或许并不像你幻想的那样简略。为了对比，咱们经过 Python3 来运用 emoji。代码如下，咱们界说了一个包含表情符号的字符串，然后拜访索引 1 的字符（第二个字符）。
>>> x= ""
>> len(x)
4
>>> x[1]
''
>>> x[2]
''
能够看出，这样做的作用很好。可是，这在 Python2 中失利了。所以请升级到 Python3 (Python3十年前就出来了)。
那么Java和JavaScript的作用会怎么样呢？它们两个类似，这儿将专心于Java。在java 中，你能够很很简略地界说 emoji 的字符串。
String emostring = ""。
可是，这只是费事的开始。假如你企图获取字符串的长度（emostring.length()），Java 会告知你这个字符串包含 8 个字符。假如要在 “unicode代码点” 中取得字符串的正确长度，你需求运用 emostring.codePointCount(0, emostring.length())，该办法会回来4。这不仅耗时较长，而且我估计该办法的计算成本也会高得多。
那么拜访字符呢？你或许认为 emostring.charAt(1) 会回来第二个字符（），可是它失利了。由于Java运用UTF-16编码，这意味着，一个unicode字符能够运用一个16位或两个16位来表明，这取决于字符的情况。因而，假如给你一串字符串的字节省，你不扫描它就无法知道这个字符串有多长。一起，Java中的字符类型（char）是16位的，所以它不能表明一切的 unicode字符。例如，你不能用Java的char来表明一个表情符号。在Java中，为了得到第二个字符，你需求做一些费事的操作，比方说：
new StringBuilder().appendCodePoint(
emostring.codePointAt(emostring.offsetByCodePoints(0, 1)).toString()
我相信你能够找到更短的办法，但这是它的关键。而且，它比 charAt 要耗时得多。
假如你的应用程序需求随机拜访一个长字符串中的 unicode字符，你就有或许呈现功能问题。
其他语言的完成，比方 PyPy(PyPy是用Python完成的Python解释器的动态编译器) 运用 UTF-32 编码，与 Java 的 UTF-16 编码不同，它支持对单个字符的快速随机拜访。缺点是内存占用增加。事实上，PyPy 好像想转向UTF-8，这是现在网络上的主流格局。在UTF-8中，字符用1、2、3或4个字节表明。
这儿面有不同的权衡。假如内存不是问题，而且你期望运用表情符号，而且能在长字符串中快速随机拜访，我认为UTF-32更有优势；假如你想要类似UTF-8这样的格局，来取得一些杰出的功能，一起对长字符串有某种方式的索引，假如你运用的语言不允许你直接拜访底层完成，这或许很难完成。
比功能更烦人的是对程序员的朴实的不方便。现在是2018年（文章发布时刻是2018年，译者注）。拜访一串表情符号中的第二个表情符号需求几乎无法解读的代码，这实在令人无法承受。
附录：是的。我知道不同的代码点能够组合成一个可见的字符，所以我把 “字符 “和 “代码点 “等同起来，为了简化问题。我也知道，不同的码点序列能够发生相同的字符。但这只会使现在的编程状况更糟。
