Java UTF-16 到 UTF-8 的转换

Question

第 1 步:使用 HttpClient 对 Twitter 端点进行 REST 调用并获取包含表情符号的推文消息。 Twitter API 返回 UTF-8 编码的字符串。
示例:消息 = 😄;
第 2 步:我使用 Java 读取字符串，使用 InputStreamReader，字符集 UTF-8。尽管如此，字符串的长度还是 2，而不是 1。
当我使用 UTF-8 明确解析它时，这怎么可能？
在网上我找到了几个资源，其中提到表情符号是高代码点字符，因此 java 认为它是 2 个字符(代理对)，这是没有意义的。
有人可以帮我吗？

Answer 1

您有一个长度为 2 的字符串 - 因为 length() 属性返回 UTF-16 代码单元的数量，而不是Unicode 字符的数量。请记住，Java 中的 String 实际上是 UTF-16 代码单元序列，而不是字符序列。

正如您所说，该表情符号用代理对表示 - 它是 U+1F604，在 UTF-16 中表示为 U+D83D U+DE04。

如果您调用 String.codePointCount而不是 length()，你会得到 1:

public class Test {
    public static void main(String[] args) {
        String emoji = "\ud83d\ude04";
        System.out.println(emoji.length()); // 2
        System.out.println(emoji.codePointCount(0, emoji.length())); // 1
    }
}

请注意，您通过解码 UTF-8 创建字符串这一事实与其内容完全无关。假设您得到的字符串与我上面示例代码中的字符串相同，则解码工作正常。