乱码的根本原因是变长编码下直接截断字节数组易切在字符中间；必须显式指定编码，安全截取需向前回退校验字符边界；按字符或码点截取更安全合理。
Java 中按字节数截取字符串时，乱码的根本原因是：在 UTF-8 或 GBK 等变长编码下，一个中文字符可能占 2～4 个字节，直接截断字节数组容易切在字符中间，导致后续解码失败，显示为 或抛出异常。
明确目标编码再操作
不能用 str.getBytes()（无参），它依赖系统默认编码，不可移植。必须显式指定编码：
- UTF-8 下，ASCII 字符占 1 字节，常用汉字占 3 字节，emoji 可能占 4 字节
- GBK 下，汉字固定占 2 字节，英文字母占 1 字节
- 截取前先确认业务场景要求的编码（如 HTTP 接口通常用 UTF-8，老系统可能用 GBK）
安全截取：字节数组 + 向前回退校验
核心思路：把字符串转成目标编码的字节数组 → 截到不超过指定字节数的位置 → 向前检查是否落在合法字符边界上，避免截断多字节字符开头：
- 对 UTF-8：检查字节高位，若末尾字节是
11xxxxxx（起始字节），则前面必须有对应数量的10xxxxxx（续字节）；截断点不能停在10xxxxxx上 - 更稳妥做法是：从目标字节位置向前扫描，找到第一个非
10xxxxxx的字节索引，即为合法截止点 - 示例逻辑（UTF-8）：取 bytes[0..n]，从 n-1 开始往前找，直到 bytes[i] & 0xC0 != 0x80，取 i+1 为有效长度
按字符数截取更简单且通常更合理
如果需求本质是“显示 N 个可见字符”（如前端展示省略），而不是“严格限制报文体积”，优先用 Unicode 字符语义截取：
立即学习“Java免费学习笔记（深入）”；
- str.substring(0, Math.min(n, str.length())) —— 安全，不乱码，但计的是 Java char（可能拆开代理对）
- 要兼容 emoji 和增补平面字符（U+10000 以上），改用 codePoint：
int end = str.offsetByCodePoints(0, Math.min(n, str.codePointCount(0, str.length())));
String result = str.substring(0, end); - 这种方式完全避开字节问题，适用于日志、UI、JSON 响应等多数业务场景
封装建议：区分用途选方法
不要只写一个“按字节截取”工具方法，应按用途提供不同接口：
- forNetworkLimit(String s, int maxBytes, Charset cs)：用于协议层字节限长（如 HTTP header、MQ 消息体），内部做 UTF-8/GBK 边界校验
- forDisplay(String s, int maxLength)：用于前端展示，按 codePoint 截取，保证视觉完整
- 避免在 service 层处理报文级字节截断——尽量由网关或序列化层统一控制
