如何在Erlang中计算UTF8编码二进制数据的字符长度

方法1：使用unicode模块（全版本兼容） #

这个方法适用于所有主流Erlang版本，通过先把UTF8二进制转成Unicode字符列表，再统计列表长度得到字符数，同时可以识别非法UTF8编码。
unicode:characters_to_list/2接收两个参数，第一个是待处理的二进制，第二个指定编码为utf8，返回转换后的字符列表，用length/1直接统计即可。
代码示例：

% 普通场景调用
Utf8Bin = <<"你好，世界！hello world 🌍"/utf8>>,
CharList = unicode:characters_to_list(Utf8Bin, utf8),
CharLen = length(CharList).

% 带错误处理的封装
get_utf8_len(Bin) when is_binary(Bin) ->
    case unicode:characters_to_list(Bin, utf8) of
        List when is_list(List) -> {ok, length(List)};
        {error, _, _} -> {error, invalid_utf8_binary}
    end.

方法2：使用string:length/1（高性能，OTP 17+支持） #

OTP 17及以上版本的string模块已经原生支持直接统计UTF8二进制的字符长度，不需要中间转列表，性能比第一种方法更高，不需要额外指定编码。
代码示例：

Utf8Bin = <<"你好，世界！hello world 🌍"/utf8>>,
CharLen = string:length(Utf8Bin).

避坑提示 #

• 不要直接用byte_size/1统计，这个函数返回的是二进制的字节数，UTF8中中文、emoji等字符占2-4个字节，结果会和实际字符数不符。
• 如果需要严格校验输入的二进制是否为合法UTF8编码，优先选择第一种方法做错误处理。

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