Android下含Emoji的String转Array<String|Char>方案需求

我完全懂你踩的这个坑！很多Emoji（尤其是带肤色修饰、组合类型的）本质是由多个Unicode代码点拼接而成的，而Kotlin/Java原生的toList()这类方法是按UTF-16的单个代码单元拆分的，自然会把一个完整的Emoji拆成好几段，完全不符合预期。

下面给你两种靠谱的实现方式，都能正确把字符串拆成包含完整Emoji的List<String>：

方法一：直接遍历Unicode代码点（纯Kotlin，无需Android依赖） #

这种方法直接操作字符串的Unicode代码点，每个完整的字符（包括多代码点的Emoji）都会被当作一个单元处理：

fun String.toGraphemeList(): List<String> {
    val graphemes = mutableListOf<String>()
    var currentIndex = 0
    while (currentIndex < this.length) {
        // 获取当前位置的Unicode代码点
        val codePoint = this.codePointAt(currentIndex)
        // 计算这个代码点需要多少个Char来表示（1或2）
        val charCount = Character.charCount(codePoint)
        // 截取对应长度的子串，加入结果列表
        graphemes.add(this.substring(currentIndex, currentIndex + charCount))
        // 移动索引到下一个字符的起始位置
        currentIndex += charCount
    }
    return graphemes
}

测试你给的示例：

val myText = "Ab😟+魯2👨🏽#✅'👨ü👨🏿{"
val splitResult = myText.toGraphemeList()
println(splitResult)
// 输出正好是你想要的：["A", "b", "😟", "+", "魯", "2", "👨🏽", "#", "✅", "'", "👨", "ü", "👨🏿", "{"]

方法二：用Android系统的BreakIterator（推荐在Android项目中使用） #

Android提供的BreakIterator专门用来处理文本拆分，它会严格按照Unicode标准的**字符集群（Grapheme Cluster）**来拆分，对于复杂文本的处理更稳妥：

import android.text.BreakIterator

fun String.toGraphemeList(): List<String> {
    val graphemeIterator = BreakIterator.getCharacterInstance()
    graphemeIterator.setText(this)
    val result = mutableListOf<String>()
    
    var startIndex = graphemeIterator.first()
    var endIndex = graphemeIterator.next()
    while (endIndex != BreakIterator.DONE) {
        result.add(this.substring(startIndex, endIndex))
        startIndex = endIndex
        endIndex = graphemeIterator.next()
    }
    return result
}

这个方法的效果和第一种完全一致，而且是Android官方推荐的文本拆分方式，适合在Android应用中使用。

为什么原生方法会失效？ #

简单说：

• Kotlin的Char对应UTF-16的单个代码单元，而很多Emoji（比如👨🏽）需要两个UTF-16代码单元才能表示
• 原生的toList()会把每个代码单元拆成一个Char，所以👨🏽会被拆成👨和🏽两个独立元素，这就导致了结果错误

内容的提问来源于stack exchange，提问作者A. Amini