string.length() 返回 utf-16 代码单元数而非 unicode 字符数，因 java string 基于 char[] 实现，而增补字符（如 emoji）需两个 char（代理对）表示一个字符；应使用 codepointcount() 获取真实字符数。
Java 中 String.length() 返回的确实是 UTF-16 代码单元（code unit）的数量，不是严格意义上的“字符数”（Unicode character count），这点容易误解，关键在于 Unicode 的编码分层和 Java 字符串的底层实现。
为什么 length() 不等于字符个数？
Java 的 String 内部用 char[] 存储，而 char 是 16 位无符号整数，对应 UTF-16 的一个代码单元。但 Unicode 字符范围远超 65536（即 0x0000–0xFFFF），超出部分（如大部分 emoji、古汉字、音乐符号等）被放在“增补平面”（Supplementary Planes），需要用两个 char（即一个代理对：high surrogate + low surrogate）来表示 —— 这就是两个代码单元，但只代表 1 个 Unicode 字符。
-
"a"→ 1 个代码单元 →length() == 1 -
"中"（U+4E2D）→ 在基本多文种平面（BMP）→ 1 个代码单元 →length() == 1 -
"?"（U+1F60A）→ 在增补平面 → 需要代理对"\uD83D\uDE0A"→ 2 个代码单元 →length() == 2 -
"a?b"→ 实际是'a' + '\uD83D' + '\uDE0A' + 'b'→ 4 个char→length() == 4
怎么真正获取“字符个数”？
如果业务关心的是用户感知的“字符”数量（比如限制输入框最多 10 个表情+文字），不能依赖 length()，而应使用基于代码点（code point）的方法：
-
str.codePointCount(0, str.length())：返回字符串中 Unicode 字符（即代码点）总数 -
str.offsetByCodePoints(0, n)：用于安全地按字符索引移动（跳过代理对） -
str.codePointAt(i)：获取位置i开始的代码点值（int类型），需配合Character.isSurrogatePair()判断是否为代理对
常见误用场景与建议
很多校验逻辑（如用户名长度限制、数据库字段截断、前端同步显示）若直接用 length()，在遇到 emoji 或生僻汉字时会出错 —— 显示上是一个图标，却被算作两个“字符”，导致提前截断或校验失败。
- 做前端输入限制时，后端也要用
codePointCount校验，避免绕过 - 存入数据库前若需按字符数截断（如 VARCHAR(20)），应按代码点截取，而非简单
substring(0, 20) - 日志或调试时打印
length()和codePointCount()对比，能快速发现增补字符影响
补充说明：它也不是字节数
有人误以为 length() 是字节数，其实完全无关。例如：
-
"abc".getBytes(StandardCharsets.UTF_8).length == 3（UTF-8 下 1 字节/字符） -
"你好".getBytes(StandardCharsets.UTF_8).length == 6（UTF-8 下 3 字节/汉字） - 但两者
.length()都是2（因为是 2 个 BMP 汉字，各占 1 个char）
要获取字节数，必须显式调用 getBytes(...).length，并指定字符集。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
