java中string的length()返回utf-16代码单元数而非unicode字符数，含emoji或增补字符时易误判；应使用codepointcount获取真实字符数，按字节长度需用getbytes指定编码，安全截取需结合offsetbycodepoints与substring。
Java 中 String 的 length() 方法返回的是 UTF-16 代码单元（char）个数，不是人眼可见的“字符数”，尤其在含 emoji、生僻汉字或增补平面字符时容易误判。比如 "??" 看起来是一个人，但 length() 返回 4；"?"（U+20213）这类超 BMP 字符，length() 返回 2，实际只算 1 个 Unicode 字符。所谓“真实长度”，通常指 Unicode code point 数量，即用户感知的视觉字符数。
用 codePointCount 获取真实字符数
这是最直接的方式，统计字符串中 Unicode code point 的总数：
-
str.codePointCount(0, str.length())—— 返回真正的字符个数 - 适用于判断是否超出显示限制（如“最多 10 个字”）、做字符级计数等场景
- 注意：参数是
beginIndex和endIndex（按 char 索引），不是 code point 索引，所以必须传str.length()
按字节长度处理中文（如存储/传输限制）
中文在不同编码下占字节数不同：UTF-8 中常用汉字占 3 字节，GBK 中占 2 字节。若需按字节截断（如 HTTP header 限制、数据库字段字节上限），不能依赖 length()：
- UTF-8 字节数：
str.getBytes(StandardCharsets.UTF_8).length - GBK 字节数：
str.getBytes(Charset.forName("GBK")).length - 避免用无参
getBytes()，它依赖系统默认编码，不可靠
安全截取前 N 个真实字符（不乱码）
直接 substring(0, 10) 可能在代理对中间切断，导致末尾出现 或运行时异常。正确做法是先定位第 N 个 code point 的 char 索引边界：
- 计算目标结束位置：
int end = str.offsetByCodePoints(0, Math.min(n, str.codePointCount(0, str.length()))); - 再截取：
str.substring(0, end) - 这个组合能保证截断点落在完整字符边界，不会拆开 emoji 或增补字符
兼容旧 JDK 的手动校验（JDK 7 及更早）
若项目无法升级 JDK，又需处理增补字符，可用 Character.isSurrogatePair() 配合遍历：
- 逐 char 扫描，遇到高代理（
isHighSurrogate(c)）就跳过下一个低代理 - 每识别一个完整代理对，计数 +1；普通 BMP 字符也计数 +1
- 虽稍繁琐，但能避开
codePointCount等新 API 的兼容性问题
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
