Android上显示生僻字的方法

安卓5.0+是可以显示所有（8万多个）Unicode汉字的，本文介绍显示生僻汉字的方法，这个方法也适用于其它特殊字符。

Unicode值在0xFFFF以下的（2万多个简体、繁体）汉字早已被广泛支持，所以本文不把它们看作生僻字。
本文说的生僻字是指Unicode值在0xFFFF以上的汉字，这个范围也叫non-BMP。

可以看这篇文章了解汉字的大致分布。

主要有4个关键点：

一、需使用Android 5.0以上系统。

经过我的测试，在Android 4.3.1模拟器、4.4.2模拟器上会出现问题，而在Android 5.0.2模拟器、6.0真机、7.0模拟器上正常。

问题见本文最后部分的两张截图：附1、附2。

二、确保字符集能覆盖生僻字。

也就是在文件、数据库保存字符串时使用的字符集，应该是：GB18030、UTF-8、UTF-16、UTF-32等能支持所有Unicode字符的字符集。

注意a：不要使用GB2312、GBK或BIG5字符集，它们的范围有限，都不支持生僻字（Unicode值大于0xFFFF）。
注意b：不要在Android程序的配置xml文件里写生僻字，Android在用UTF-8解码这些xml时，支持的范围并不完整。这个bug在Android 6.0里被修复。见此帖。

按如下方法把字符串读入String后，我们进入下一个关键点。

byte[] b = read_bytes_from_somewhere();
String str = new String(b, "GB18030");

三、String在处理生僻字时会使用surrogate对。

Java的String使用的是UTF-16编码。String的一个char占两个字节，能表示0~0xFFFF之间的数值范围。

于是，根据UTF-16的规则，在String里：常用字符（Unicode值小于等于0xFFFF）用一个char表示；剩下的字符（Unicode值大于0xFFFF）用两个char组合表示，这两个char叫surrogate对儿。所以我们的生僻字符须要用两个char组合表示。

surrogate对的原理是：两个char各有一个保留区域，这个保留区域有1,024个位置，于是1,024x1,024等于1,048,576，再加上单个char包含的字符，正好能覆盖Unicode所有的1,114,112个位置点。

在这里，搞清楚两个概念就可以了：

1. char，一个char就是一个两字节整数。它是String的最小单位，一个String包含0个或若干个char。String对象的length()函数返回的就是char的个数。
2. code point，一个code point就是一个Unicode字符，一个实际的字符。在String里，它可能用1个char表示，也可能用2个char组合表示，没有第三种可能。

所以，在处理生僻字时，String的length()函数的返回值可能大于实际字符数，想知道String的实际字符数可以用codePointCount()函数。同理，charAt()等基于char操作的函数可能也不再适用。

四、使用支持生僻字的字体。

就算程序内在支持生僻字，字体不支持也显示不出来。包括默认字体在内的很多字体都不支持生僻字。
我们可以找一个支持生僻字的字体，然后放到程序的资源目录里，指定程序使用它而不是系统的默认字体。

先找一个支持生僻字的字体，比如这个开心宋体：帖子，网盘。

然后按以下方法使用该字体就可以了（出处）：

//得到TextView控件对象
TextView textView = (TextView) findViewById(R.id.custom);

//将字体文件保存在assets/fonts/目录下，创建Typeface对象
Typeface typeFace = Typeface.createFromAsset(getAssets(), "fonts/KaiXinSong.ttf");

//使用字体
textView.setTypeface(typeFace);

注意a：打包了字体的程序会大很多，这也是没有办法的事。除非做成按需下载字体，这就依赖网络了；或者生成一个只包含所需汉字的字体文件。（2017年发布的Android Support Library v26增强了对字体的支持，见此视频。）
注意b：各字体可能会有自己的侧重点，比如支持生僻汉字的字体可能不支持emoji，支持emoji的字体可能不支持生僻汉字。
注意c：可以用SpannableString为一个字符串的部分字符使用指定的字体，见为部分字符指定字体、在SpannableString使用指定字体。

在按如上方法使用了开心宋体后，已经可以在Android 5.0.2模拟器上显示各区汉字：

在Android 5.0.2模拟器上默认字体的效果，可以看到CJK统一汉字扩展B、C、D、E区的汉字都无法显示：

 

附1，在Android 4.4.2模拟器上，使用开心宋体后，常用字反倒显示不出来了。
在4.3.1、4.4.2上，使用Simsun-ExtB字体也有类似情况，所以这应该是安卓4.x的问题。
难道是系统不支持多于65536个字符的字体？我没有去验证，仅仅是猜测。

附2，在Android 4.4.2模拟器上，使用默认字体的效果：