我先考一考你，你说这个字符串（ab一2?仯3?4）有多少个字符？

这时候你也许开始数了，123…9个，没错，确实我们肉眼确实是看到了9个，java代码如下：

有没有发现java判断出来的不是9，而是12！！！

那是因为这个字符串中有2个字符ab一2?仯3?4用黄色表示，实际上UTF-8已经满足不了，? 见下图：

java的String是使用UTF-16来表示的，U+0000-U+FFFF都ok，但是只要是下列这个区间的字符都无法用常规手段处理，5位内码的，用length都无法正确判断其长度

CJK Unified Ideographs Extension B (U+20000 through U+2A6DD)
CJK Unified Ideographs Extension C (U+2A700 through U+2B734)
CJK Unified Ideographs Extension D (U+2B740 through U+2B81D)
CJK Unified Ideographs Extension E (U+2B820 through U+2CEA1)
CJK Unified Ideographs Extension F (U+2CEB0 through U+2EBE0)

具体也可以查看官方资料 ，了解unicode，UTF-8，UTF-16，UTF-32的区别。

如下图，可以通过Character中的codePointCount来得到字符数量。

进入主题

jdk自带的Character类特别好用，汉字转内码，内码转汉字具体功能请参考下面的代码

public static String stringToCodePoints(String str) {
    StringBuilder stringBuilder = new StringBuilder();
    str.codePoints().forEach(cp -> stringBuilder.append("\u").append(Integer.toHexString(cp)));
    return stringBuilder.toString();
}


public static String codePointsToString(String codePoints) {
    StringBuilder stringBuilder = new StringBuilder();
    for(String hexCodePoint : codePoints.split("\\u")){
        if(StringUtils.isNotBlank(hexCodePoint)) {
            stringBuilder.append(codePointToString(Integer.parseInt(hexCodePoint, 16)));
        }
    }
    return stringBuilder.toString();
}


public static String codePointToString(int cp) {
    StringBuilder sb = new StringBuilder();
    if (Character.isBmpCodePoint(cp)) {
        sb.append((char) cp);
    } else if (Character.isValidCodePoint(cp)) {
        sb.append(Character.highSurrogate(cp));
        sb.append(Character.lowSurrogate(cp));
    } else {
        sb.append('?');
    }
    return sb.toString();
}

支持5位编码的在线转换工具