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
/**
* 字符串转16进制内码
* @param str ab一2?仯3?4
* @return u61u62u4e00u32u2b802u4eefu33u2b82fu34u34
*/
public static String stringToCodePoints(String str) {
StringBuilder stringBuilder = new StringBuilder();
str.codePoints().forEach(cp -> stringBuilder.append("u").append(Integer.toHexString(cp)));
return stringBuilder.toString();
}
/**
* 内码转汉字
* @param codePoints u61u62u4e00u32u2b802u4eefu33u2b82fu34u34
* @return ab一2?仯3?4
*/
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();
}
/**
* 十进制转汉字
* @param cp code point 汉字内码
* @return
*/
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
http://www.jdkba.com/char
