应按 unicode 码点截取而非 char 索引，因 java string 使用 utf-16 编码，增补字符（如 emoji）占两个 char；需用 codepointcount 和 offsetbycodepoints 安全计算索引，再 substring。
Java 中截取含中文和 Emoji 的字符串，关键在于正确处理 Unicode 字符的编码单位。Java 的 String 内部使用 UTF-16 编码，而部分 Emoji（如 ?、??、?）属于**增补字符（Supplementary Characters）**，需用两个 char（即一个代理对，surrogate pair）表示。若直接用 substring(int beginIndex, int endIndex) 或基于 length() 计算索引，极易在代理对中间截断，导致乱码（如显示 ）或异常。
按 Unicode 码点（Code Point）截取，而非 char 索引
String.length() 返回的是 UTF-16 编码单元数（char 个数），不是真实字符数。正确做法是遍历码点，统计“用户感知的字符”个数：
- 使用
String.codePointCount(int beginIndex, int endIndex)获取指定范围内的码点数量 - 使用
String.offsetByCodePoints(int start, int codePointOffset)安全计算目标结束位置 - 再用
substring()截取（此时起止索引已避开代理对内部）
示例：截取前 5 个“可视字符”（含中文、单 Emoji、组合 Emoji）：
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。
public static String safeSubstring(String str, int charCount) {
if (str == null || charCount
注意组合 Emoji 和 ZWJ 序列
像 ??（程序员）、❤️?（心动火焰）这类是通过零宽连接符（ZWJ, U+200D）连接的序列，它们是一个逻辑字符，但由多个码点组成（如 ?? = ? + U+200D + ?，共 3 个码点）。codePointCount() 会将其计为多个码点，而非 1 个。
若需按“视觉字形”而非“码点”截取（更贴近用户预期），需借助 ICU4J 或 Android 的 BreakIterator（Java 标准库不原生支持图形簇拆分）。简单场景下可接受按码点截取，因绝大多数组合 Emoji 在主流平台渲染为单个图标，且截断风险低于代理对截断。
避免常见错误写法
- ❌
str.substring(0, 10)：假设每个字符占 1 个char，遇到 Emoji 直接崩 - ❌
str.toCharArray().length > 10 ? str.substring(0,10) : str：本质同上，toCharArray()暴露 UTF-16 细节 - ❌ 用
str.getBytes(StandardCharsets.UTF_8).length判断长度：字节长度 ≠ 字符长度，无法用于截取索引
补充：校验与容错
截取后可用 String#isBlank() 或正则 \p{So}（符号-其他，覆盖大部分 Emoji）简单验证是否残留无效代理单元。更健壮的做法是在截取前先 normalize（如 NFC），并确保源字符串本身未损坏：
String normalized = Normalizer.normalize(str, Normalizer.Form.NFC); return safeSubstring(normalized, charCount);
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
