Groovy计算含特殊字符的字符串长度结果异常求助

原Groovy脚本计算JSON字符串长度时，遇到İ、Ş这类Unicode特殊字符，得到的长度结果不符合预期。

输入数据 #

{"groupId":"5jb878adfs0k1fnzh4ijlvndi","caseId":"V12900","name":"EAE TEKNOLOJİ ARAŞTIRMA GELİŞTİRME SAN.VE TİC.A.Ş","providerTypes":["WATCHLIST"],
"entityType":"ORGANISATION","secondaryFields":[{"value":"ARE","typeId":"SFCT_6"}]}

原Groovy脚本 #

byte[] arr = jsonBody.toString().getBytes("UTF-8");
String s = new String (arr);    
j = s.length(); 
jlen = Integer.toString(j); 

问题根源 #

这段代码做了无意义的编码转换：先把字符串转成UTF-8字节数组，再转回字符串，最后调用length()。但String.length()返回的是Unicode代码单元数量，并非UTF-8字节数。像İ、Ş这类字符在UTF-8中占2个字节，但作为Unicode代码单元仅算1个，若你的需求是统计UTF-8字节数，原逻辑完全错误；若要统计字符数，转字节再转回的操作不仅多余，还可能引入编码异常。

修正方案 #

根据实际需求选择对应方法：

需求1：统计JSON字符串的UTF-8字节数（最常见需求）

直接获取字节数组的长度，跳过冗余的字符串转换：

int utf8ByteLength = jsonBody.toString().getBytes("UTF-8").length;
String jlen = Integer.toString(utf8ByteLength);

需求2：统计实际Unicode字符数量

若要统计视觉上的字符个数，普通场景直接调用length()即可；如果包含Emoji这类占2个代码单元的字符，需改用codePointCount()：

// 普通字符场景
int charCount = jsonBody.toString().length();
// 包含Emoji等代理对字符的场景
int actualCharCount = jsonBody.toString().codePointCount(0, jsonBody.toString().length());
String jlen = Integer.toString(actualCharCount);

额外优化 #

如果jsonBody是JSON对象而非字符串，建议用Groovy自带的JsonBuilder做序列化，确保编码逻辑严谨：

import groovy.json.JsonBuilder

def jsonBuilder = new JsonBuilder(jsonBody)
String jsonStr = jsonBuilder.toString()
int utf8ByteLength = jsonStr.getBytes("UTF-8").length;

内容的提问来源于stack exchange，提问作者AnirD