Emojis, Java and Strings
原作者：Daniel Lemire
emoji 是有趣的字符，并且越来越流行。但是，对于程序员来说，处理 emoji 可能并不像你想象的那样简单。为了对比，我们通过 Python3 来使用 emoji。代码如下，我们定义了一个包括表情符号的字符串，然后访问索引 1 的字符（第二个字符）。
>>> x= "😂😍🎉👍"
>> len(x)
4
>>> x[1]
'😍'
>>> x[2]
'🎉'
可以看出，这样做的效果很好。然而，这在 Python2 中失败了。所以请升级到 Python3 (Python3十年前就出来了)。
那么Java和JavaScript的效果会怎么样呢？它们两个类似，这里将专注于Java。在java 中，你可以很很简单地定义 emoji 的字符串。
String emostring = "😂😍🎉👍"。
然而，这只是麻烦的开始。如果你试图获取字符串的长度（emostring.length()），Java 会告诉你这个字符串包含 8 个字符。如果要在 "unicode代码点" 中获得字符串的正确长度，你需要使用 emostring.codePointCount(0, emostring.length())，该方法会返回4。这不仅耗时较长，而且我预计该方法的计算成本也会高得多。
那么访问字符呢？你可能认为 emostring.charAt(1) 会返回第二个字符（😍），但是它失败了。因为Java使用UTF-16编码，这意味着，一个unicode字符可以使用一个16位或两个16位来表示，这取决于字符的情况。因此，如果给你一串字符串的字节流，你不扫描它就无法知道这个字符串有多长。同时，Java中的字符类型（char）是16位的，所以它不能表示所有的 unicode字符。例如，你不能用Java的char来表示一个表情符号。在Java中，为了得到第二个字符，你需要做一些麻烦的操作，比如说：
new StringBuilder().appendCodePoint(
emostring.codePointAt(emostring.offsetByCodePoints(0, 1)).toString()
我相信你可以找到更短的方法，但这是它的要点。而且，它比 charAt 要耗时得多。
如果你的应用程序需要随机访问一个长字符串中的 unicode字符，你就有可能出现性能问题。
其他语言的实现，比如 PyPy(PyPy是用Python实现的Python解释器的动态编译器) 使用 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访问。缺点是内存占用增加。事实上，PyPy 似乎想转向UTF-8，这是目前网络上的主流格式。在UTF-8中，字符用1、2、3或4个字节表示。
这里面有不同的权衡。如果内存不是问题，而且你希望使用表情符号，并且能在长字符串中快速随机访问，我认为UTF-32更有优势；如果你想要类似UTF-8这样的格式，来获得一些良好的性能，同时对长字符串有某种形式的索引，如果你使用的语言不允许你直接访问底层实现，这可能很难实现。
比性能更烦人的是对程序员的纯粹的不方便。现在是2018年（文章发布时间是2018年，译者注）。访问一串表情符号中的第二个表情符号需要几乎无法解读的代码，这实在令人无法接受。
附录：是的。我知道不同的代码点可以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，不同的码点序列可以产生相同的字符。但这只会使目前的编程状态更糟。