mb_strlen与Android Java字符长度计算差异及解决问询

一、为什么PHP和Java的字符长度计算结果不同？ #

• PHP的mb_strlen('🌦')返回1，是因为mb_strlen默认按**Unicode码点（视觉上的单个独立字符）**计数，不管字符在底层编码中占多少字节或代码单元。
• Java的"🌦".length()返回2，是因为Java内部String类采用UTF-16编码存储字符。像🌦这类属于Unicode辅助平面的字符（码点大于U+FFFF），无法用单个UTF-16代码单元表示，必须用一对「代理字符」（\uD83C和\uDF26）组合表示，length()统计的是UTF-16代码单元的数量，因此返回2。
• Android默认用UTF-8编码仅指外部输入输出的编码格式，Java字符串内部始终以UTF-16存储，所以不影响length()的计算逻辑。

二、如何让Java将该字符长度计算为1？ #

要让Java和PHP的计数逻辑对齐（按Unicode码点计数），可以用以下方法：

1. 直接统计Unicode码点数量 #

使用Character.codePointCount()方法，直接获取字符串中的Unicode码点总数：

String charStr = "🌦";
int codePointCount = Character.codePointCount(charStr, 0, charStr.length());
// codePointCount 的值为1

2. 通过码点流统计数量 #

如果需要处理长字符串，也可以用String.codePoints()流来统计：

String mixStr = "sample🌦";
long codePointNum = mixStr.codePoints().count();
// codePointNum 的值为7，和PHP中mb_strlen的结果一致

三、针对PHP服务器「长度|字符串」格式的解析方案 #

服务器传来的长度是按PHP的mb_strlen（Unicode码点数量）定义的，Java解析时不能直接用String.length()匹配，否则会因辅助平面字符多算长度导致解析错误，可按以下步骤处理：

1. 先将读取到的字节流转成UTF-8编码的字符串，确保字符解析正确；
2. 拆分格式时，先提取长度数值，再按Unicode码点数量截取对应字符串，而非按substring()（按UTF-16代码单元截取）。

示例代码：

String input = "7|sample🌦3|yes";
// 拆分第一个分隔符，提取PHP定义的长度
int firstPipeIndex = input.indexOf('|');
int phpDefinedLength = Integer.parseInt(input.substring(0, firstPipeIndex));
String contentPart = input.substring(firstPipeIndex + 1);

// 按Unicode码点数量截取对应字符串
int endIndex = 0;
int currentCodePointCount = 0;
while (endIndex < contentPart.length() && currentCodePointCount < phpDefinedLength) {
    int codePoint = contentPart.codePointAt(endIndex);
    currentCodePointCount++;
    endIndex += Character.charCount(codePoint);
}
String targetContent = contentPart.substring(0, endIndex);
// targetContent 即为 "sample🌦"，剩余部分可继续解析后续的"3|yes"

内容的提问来源于stack exchange，提问作者adrianvintu