Language

String: length はUTF-16のコード単位を数える

絵文字のような補助文字はUTF-16で2単位になるため、lengthと文字数が一致しないことがあります。

Java 8+

pitfallstringunicodeutf-16

01 / 01 proof

SourceUnicodeLengths.java

Java 21

package examples.string;

public final class UnicodeLengths {
  private UnicodeLengths() {}

  public static int utf16Length(String value) {
    return value.length();
  }

  public static int codePointLength(String value) {
    return value.codePointCount(0, value.length());
  }
}

Source✓Test

TestUnicodeLengthsTest.java

Java 21

package examples.string;

import static org.junit.jupiter.api.Assertions.assertEquals;

import org.junit.jupiter.api.Test;

class UnicodeLengthsTest {
  @Test
  void 絵文字はUTF16のlengthでは2だがcodePointCountでは1になる() {
    String rocket = "🚀";

    assertEquals(2, UnicodeLengths.utf16Length(rocket));
    assertEquals(1, UnicodeLengths.codePointLength(rocket));
  }
}

01Assertion

このテストで確認できること

ロケット絵文字のlengthは2になる
同じ文字列のcodePointCountは1になる

UI上の文字数制限や切り詰めでは、UTF-16のコード単位ではなくコードポイントや書記素クラスターを意識します。

OBSERVED RESULT

expected: "🚀".length() → 2
actual:   2
expected: codePointCount → 1
actual:   1

View source on GitHub ↗View source on GitHub ↗