Como obter o número de caracteres de uma String?

O método length() de String retorna o número de unidades de código Unicode na string. Uma unidade de código é um valor de 16 bits — o tipo usado internamente para armazenar valores char em Java.

Para a maior parte do texto do dia a dia, uma unidade de código corresponde a exatamente um caractere visível, então length() se comporta como você esperaria.

Alguns caracteres Unicode — como muitos emojis e caracteres de determinadas escritas históricas ou simbólicas — não cabem em uma única unidade de código de 16 bits. Eles precisam de duas ou mais unidades de código para serem representados, um par conhecido como par substituto (surrogate pair).

Quando isso acontece, length() deixa de corresponder ao número de caracteres exibidos visualmente na tela: ele conta unidades de código, não "caracteres" no sentido do dia a dia.

Dois conceitos são essenciais aqui:

• Unidade de código (code unit): corresponde ao tipo char em Java. É um pedaço de 16 bits da codificação de um caractere, e é o que length() de fato conta.
• Ponto de código (code point): corresponde ao tipo int em Java. Representa o caractere real e completo — embora nem todo valor int seja um ponto de código válido.

Um ponto de código pode ser composto por uma ou duas unidades de código, dependendo do caractere.

java
String text = "a😀b"; // "a" + 😀 (emoji de rosto sorridente) + "b"

System.out.println(text.length());        // 4 — conta unidades de código
System.out.println(text.codePointCount(0, text.length())); // 3 — conta pontos de código

O emoji 😀 é codificado como um par substituto, então consome duas unidades de código — mas ainda é apenas um caractere visível.

Se você precisa do número real de caracteres percebidos por um usuário, não confie apenas em length(). Use codePointCount() para contar pontos de código Unicode, e prefira iteração consciente de pontos de código (como codePoints()) ao processar strings que possam conter caracteres fora do intervalo básico de 16 bits.