String.length()返回UTF-16代码单元数，非字符数或字节数；含增补字符时值为2但视觉上为1；需字符数用codePointCount()，字节数用getBytes(UTF_8)，截取用offsetByCodePoints()。
Java 中字符串长度计算的“坑”，本质是混淆了三个不同维度的“长度”：字符个数（人眼可见）、UTF-16 代码单元数、字节数。编码差异只是放大了这个混淆，真正要避的是概念错位。
分清 length() 到底返回什么
String.length() 返回的是 UTF-16 代码单元（char）的数量，不是 Unicode 字符数，更不是字节数。
- 普通英文、常用汉字（BMP 区）：一个字符占 1 个 char，length() 和“视觉字符数”一致
- emoji（如 ??）、生僻汉字（如 ? U+20213）：属于 Unicode 增补平面，用一对代理 char（high + low surrogate）表示，length() 返回 2，但实际是 1 个字符
- 空字符串、纯 ASCII 字符串：length() 和字节数在 UTF-8 下碰巧相等，但这只是巧合，不可依赖
需要真实“字符数”时别用 length()
当业务逻辑按“用户看到几个字”判断（如“最多输入 10 个字”），必须统计 Unicode code point 数量：
- 用 str.codePointCount(0, str.length()) —— 这是最直接、最安全的方式
- 避免手写循环判断 isHighSurrogate / isLowSurrogate，除非项目卡在 JDK 7 及更早
- 注意：codePointCount 的参数仍是 char 索引范围，不是 code point 索引，所以第二个参数始终传 str.length()
涉及存储或传输限制时必须算字节数
数据库字段有字节上限（如 MySQL VARCHAR(255) 是字节限制）、HTTP header 有大小限制、日志系统按字节截断——这时 length() 完全无效：
立即学习“Java免费学习笔记（深入）”；
- UTF-8 字节数：str.getBytes(StandardCharsets.UTF_8).length
- GBK 字节数：str.getBytes(Charset.forName("GBK")).length
- 绝对不要用无参 getBytes()，它依赖系统默认编码，跨环境必出错
截取前 N 个“视觉字符”不能直接 substring
str.substring(0, 10) 按 char 索引切，可能把一个 emoji 的 high surrogate 和 low surrogate 拆开，导致末尾显示 或运行时报错：
- 先算安全结束位置：int end = str.offsetByCodePoints(0, Math.min(n, str.codePointCount(0, str.length())));
- 再截取：str.substring(0, end)
- 这个组合能确保不切断任何代理对，也不拆开组合 emoji（如 ??）
