string.length() 返回 utf-16 代码单元数而非用户感知字符数，因辅助平面 emoji（如 ? u+1f30d）需代理对表示，占 2 个 char；应使用 codepointcount() 或图形单元切分获取真实字数。

Java 中 String.length() 方法返回的是字符串中 Unicode 代码单元（code units）的数量，而不是字符（grapheme clusters）个数。Emoji（尤其是较新的、组合型或修饰型 Emoji）通常由多个 Unicode 代码点（code points）组成，而 Java 的 String 内部使用 UTF-16 编码，一个代码点若超出基本多文种平面（BMP），就需要用两个 UTF-16 代码单元（即一个代理对，surrogate pair）来表示——这时 length() 就会返回 2。

为什么 Emoji 会占两个代码单元？

UTF-16 将 Unicode 码位（0x0000–0x10FFFF）分为：

• BMP 范围（U+0000 到 U+FFFF）：每个字符占 1 个 char（即 16 位），length() 返回 1；
• 辅助平面（U+10000 及以上）：如大部分 Emoji（例如 ? U+1F30D、?‍? U+1F469 U+200D U+1F4BB），需用两个 char 表示（高代理 + 低代理），length() 就返回 2 或更多。

常见“看似一个 Emoji 却 length=2 的例子

以下 Emoji 在 Java 中调用 .length() 都返回 2：

Alibabacloud Sdk Client Initialization For Java

在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。

下载

• "?"（U+1F30D）→ 占 2 个 char；
• "?"（U+1F44D）→ 占 2 个 char；
• "?‍?"（家庭/职业组合 Emoji）→ 实际是多个代码点（含 ZWJ 连接符），总 length() 可能达 4–5，但其中每个辅助平面字符本身已占 2。

如何获取真正的“字符数”（用户感知的字数）？

要用能识别 Unicode 标量值（code points）和扩展字形簇（extended grapheme clusters）的方式：

• 用 String.codePointCount(0, str.length()) 获取代码点数量（更接近“逻辑字符数”，对单个 Emoji 如 ? 返回 1）；
• 对复杂 Emoji（如带肤色修饰符或 ZWJ 组合的 ?‍❤️‍?‍?），需借助 ICU4J 或 java.text.BreakIterator 按图形单元切分，才能准确计数；
• 简单场景下，可先用 str.codePoints().count()（Java 8+ 流式 API）快速得到 code point 总数。

实际开发中要注意什么？

别依赖 length() 做显示截断、输入限制或索引遍历：

• 用 charAt(i) 可能取到代理对的半边，导致乱码；
• 截取前 10 个 char 可能切开一个 Emoji，显示为 ；
• 校验用户名长度、短信字数等业务逻辑时，应统一用 codePointCount 或图形单元计数。

本质上，这不是 bug，而是 UTF-16 编码模型与现代 Unicode 字符复杂性之间的张力。理解这点，就能避开多数 Emoji 相关的长度误判问题。

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