为何Java中Scanner输入的含emoji Unicode字符串经方法调用后显示异常？

核心问题：编码不匹配 #

直接定义的字符串和Scanner输入的字符串表现不同，本质是字符编码的解码方式不一致：

• 写在代码里的"🍷Hello"：Java源码默认以UTF-8编码存储，编译时会被正确解析为Java内部的UTF-16字符串。其中🍷属于Unicode补充平面字符，占2个UTF-16代码单元（代理对），输出时能被控制台正确识别显示。
• 通过Scanner(System.in)读取的输入：Scanner默认使用JVM的系统默认编码（比如Windows下通常是GBK，Linux/macOS是UTF-8）来解码输入字节。如果你的控制台输入是UTF-8编码的🍷（4字节），但JVM默认编码不是UTF-8，Scanner就会用错误的编码规则解码这4字节，把它拆成两个不符合编码规则的无效字符，输出时就显示为��。

验证方式 #

可以在代码里打印两个字符串的字符数组，对比码点：

// 打印直接定义的字符串的字符码点
for (char c : str.toCharArray()) {
    System.out.printf("%04x ", (int)c);
}
System.out.println();
// 打印输入字符串的字符码点
for (char c : str2.toCharArray()) {
    System.out.printf("%04x ", (int)c);
}

你会发现str的前两个字符是合法的代理对（比如d83c df77），而str2的前两个字符是无效的码点（比如efbf bd efbf bd，对应替换字符�的编码）。

解决方法 #

创建Scanner时显式指定UTF-8编码，强制用UTF-8解码输入：

Scanner sc = new Scanner(System.in, "UTF-8");

内容的提问来源于stack exchange，提问作者Ken.Zhang