Java中Character.isBmpCodePoint与isValidCodePoint的区别是什么？

两个阈值的实际含义 #

这两个值都是Unicode编码空间的边界值：

• 0xFFFF 是**基本多语言平面（BMP）**的最大合法码点：这个平面包含了绝大多数常用的中、英、日、韩等语言文字、常规标点、基础emoji，覆盖了日常99%以上的普通使用场景。所有码点≤0xFFFF的字符在UTF-16编码下仅占用2字节。
• 0x10FFFF 是整个Unicode标准规定的全局最大合法码点：覆盖全部17个Unicode平面，包含生僻古文字、特殊行业符号、补充emoji（比如带肤色修饰的emoji、组合类emoji）等小众字符。这类码点>0xFFFF的字符在UTF-16编码下占用4字节，也被称为代理对字符。

日常开发选型规则 #

直接根据你的业务场景和底层依赖判断即可：

• 选择以0xFFFF作为判定阈值的场景：
  • 业务仅需要处理常用文字、常规符号，不需要支持生僻字/特殊emoji
  • 底层存储、依赖组件不支持全量Unicode（比如老版本MySQL使用utf8编码时，最多仅支持3字节UTF-8字符，刚好覆盖该范围）
  • 对性能要求极高，不需要额外处理代理对逻辑
• 选择以0x10FFFF作为判定阈值的场景：
  • 业务需要兼容全量Unicode输入，比如允许用户输入任意emoji、生僻人名、古文字内容
  • 需要做通用的字符校验、长度统计、编码转换逻辑：用该阈值统计的字符长度更符合普通用户的直观认知，不会出现“1个特殊emoji被算成2个字符”的问题
  • 底层存储、运行环境支持全量Unicode存储（比如MySQL使用utf8mb4编码）

内容的提问来源于stack exchange，提问作者FredSuvn