001.1 유니코드 문자는 어떻게 처리할까?

개발자는 아스키(ASCII) 문자에 굉장히 익숙하다. 0부터 31까지는 출력할 수 없는 제어 코드고 32부터 127까지는 출력할 수 있는 문자, 128부터 255까지는 확장 아스키 코드다. 하지만 유니코드 문자는 어떨까? 유니코드 문자를 조작해야 하는 문제가 나오면 이 절을 떠올리자.

간단히 말해 초기 유니코드 버전은 65,535(0xFFFF)보다 작은 값의 문자를 포함했다. 자바는 이러한 문자를 16비트 char 데이터 타입으로 표현한다. charAt(i)를 호출하면 i가 65,535를 초과하지 않는 한 올바르게 동작한다. 하지만 시간이 흐르며 유니코드에 문자가 추가됐고 최댓값도 1,114,111(0x10FFFF)까지 늘어났다. 이러한 문자들은 16비트로 표현할 수 없으므로 (코드 포인트(code point)라 불리는) 32비트 값을 UTF-32 인코딩 스키마에 고려하게 되었다.

안타깝게도 자바는 UTF-32를 지원하지 않는다! 그래도 유니코드는 16비트만으로 이러한 문자를 표현할 방법을 고안해냈다. 바로 다음과 같은 방법이다.

상위 대리와 하위 대리로 하나의 대리 쌍(surrogate pair)을 정의한다. 대리 쌍은 65,536(0x10000)에서 1,114,111(0x10FFFF) 사이의 값을 표현하는 데 쓰인다. 즉, 하나의 코드 포인트¹로 병합되는 유니코드 대리 쌍(문자(기호) 하나가 문자 쌍에 대응한다)으로 유니코드 추가 문자라 불리는 특정 문자들을 표현한다. 자바는 대리 쌍 표현을 활용해 codePointAt(), codePoints(), codePointCount(), offsetByCodePoints() 같은 메서드 집합으로 코드 포인트를 노출한다(자세한 내용은 자바 설명서를 참고한다). charAt() 대신 codePointAt()을, chars() 대신 codePoints()를 호출하면 아스키 외에 유니코드 문자까지 처리하도록 해법을 작성할 수 있다.