HOWTO · Java

Java で文字列を文字に変換する方法

この記事では、Java で文字列を文字に変換する方法を紹介しています。

このページの内容

Java の String 型は、テキストを UTF-16 コード単位の並びとして表します。1つのコード単位を取得するには charAt(index) を使います。文字列のコード単位を配列として取得するには toCharArray() を使います。この2つは異なる処理です。Java の char は16ビットのコード単位1つを表し、Unicode文字全体を表すとは限りません。

以下は Java のソースコード例です。ここでは実行結果を示していません。

charAt() で1つの char を取得する

charAt() は、0から始まるインデックスで指定した位置のコード単位を返します。先頭の位置は 0、最後の有効な位置は string.length() - 1 です。インデックスはこの範囲内でなければなりません。

最初のコード単位を取得するには、次の例を Java コンパイラーで実行します。

このセクションのコードと表示されるラベルや出力は英語のままです。

public class StringToCharExample {
    public static void main(String[] args) {
        String word = "Hello";
        char first = word.charAt(0);
        System.out.println(first);
    }
}

範囲外のインデックスを指定すると StringIndexOutOfBoundsException が発生します。インデックスが入力値や計算結果から得られる場合は、文字列の長さを確認してください。

先頭の文字を調べるなど、特定の位置の値だけが必要なときにこの方法を使います。文字列全体を1つの char に変換するものではありません。char に格納できるのは UTF-16 コード単位1つだけです。

文字列を char[] に変換するには toCharArray() を使う

文字列の UTF-16 コード単位を含む配列が必要な場合は、toCharArray() を呼び出します。返される配列にはコード単位ごとに1つの要素が含まれるため、その長さは文字列の length() と一致します。元の文字列を変更せずに、配列の要素へアクセスしたり変更したりできます。

このセクションのコードと表示されるラベルや出力は英語のままです。

import java.util.Arrays;

public class StringToCharArrayExample {
    public static void main(String[] args) {
        String word = "Java";
        char[] units = word.toCharArray();
        System.out.println(Arrays.toString(units));
        System.out.println(units[0]);
    }
}

各コード単位を処理するときや、変更可能な配列を必要とするコードへ渡すときは toCharArray() を選びます。特定の位置だけが必要なら、配列を作らずに済む charAt() を選びます。

char と Unicode コードポイントを理解する

一般的な文字の多くは UTF-16 コード単位1つで表せますが、補助 Unicode コードポイントはコード単位2つの組としてエンコードされます。そのような文字に対して、charAt() を組の一方の位置で呼び出すと片方のコード単位だけが返され、toCharArray() では2つのコード単位が別々に格納されます。このため、「文字」はコード単位、Unicode コードポイント、あるいは修飾子付きの絵文字のように人が1つの記号として認識するものなど、異なる意味で使われます。

Unicode コードポイント全体を処理する必要がある場合、char の値や配列要素だけを順に処理する方法では不十分です。コードポイントを単位として読み取る方法を使ってください。見た目上の記号の数と文字列の length() が一致するとは限りません。

getBytes() は文字列から char への変換ではない

getBytes() は文字列を文字セットでエンコードし、バイトを返します。バイトは Java の char ではなく、エンコードされた各バイトを char にキャストしても、元のテキストを一般に復元できるわけではありません。文字の表現に複数のバイトが使われることがあり、結果は文字セットによって異なります。UTF-16 コード単位を1つ取得するには charAt()、コード単位全体を取得するには toCharArray() を使います。指定した文字セットのデータが必要な場合に、バイトへのエンコードを使ってください。