Java获取UTF-8中文及其它字符串长度代码实现

//utf8字符长度1-6，可以根据每个字符第一个字节判断整个字符长度：
//0xxxxxxx {0x00 ~ 0x7F ASCII 占1个字节}
//110xxxxx 10xxxxxx {0xC0 ~ 0xDF UTF-8 占2个字节}
//1110xxxx 10xxxxxx 10xxxxxx {0xE0 ~ 0xEF UTF-8 占3个字节}
//11110xxx 10xxxxxx 10xxxxxx 10xxxxxx {0xF0 ~ 0xF7 UTF-8 占4个字节}
//111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx {0xF8 ~ 0xFB UTF-8 占5个字节}
//1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx {0xFC ~ 0xFD UTF-8 占6个字节}

//如果一个字节，最高位（第 8 位）为 0，表示这是一个 ASCII 字符（00 - 7F）。可见，所有 ASCII 编码已经是 UTF-8 了。
//如果一个字节，以 11 开头，连续的 1 的个数暗示这个字符的字节数，例如：110xxxxx 代表它是双字节 UTF-8 字符的首字节。
//如果一个字节，以 10 开始，表示它不是首字节，需要向前查找才能得到当前字符的首字
 

伪代码：

if (byte <= 0x7F) then ASCII 占用1个字节

if (byte >= 0xC0 && byte <= 0xDF) then 首字节   UTF-8 占用2个字节

if (byte >= 0xE0 && byte <= 0xEF) then 首字节   UTF-8 占用3个字节

if (byte >= 0xF0 && byte <= 0xF7) then 首字节   UTF-8 占用4个字节

if (byte >= 0xF8 && byte <= 0xFB) then 首字节   UTF-8 占用5个字节

if (byte >= 0xFC && byte <= 0xFD) then 首字节   UTF-8 占用6个字节

if (byte > 0x7F && byte < 0xC0 ) then UTF-8非首字节

Java实现：

public int utf8StringLength(String text){
        int length = 0;

        if (text != null && text.length() >0){
            byte[] byteArr = text.getBytes(StandardCharsets.UTF_8);
            for (int i = 0; i < byteArr.length;){
                byte byteData = byteArr[i];
                //因为Java不支持无符号类型，这里将byte转为int数据
                int data = Byte.toUnsignedInt(byteData);
                //占用1个字节
                if (data <= 0x7F){
                    i += 1;
                }

                //占用2个字节
                if (data >= 0xC0 && data <= 0xDF){
                    i += 2;
                }

                //占用3个字节，中文一般为三个字节
                if (data >= 0xE0 && data <= 0xEF){
                    i += 3;
                }

                //占用4个字节
                if (data >= 0xF0 && data <= 0xF7){
                    i += 4;
                }

                //占用5个字节
                if (data >= 0xF8 && data <= 0xFB){
                    i += 5;
                }

                //占用6个字节
                if (data >= 0xFC && data <= 0xFD){
                    i += 6;
                }

                //UTF-8非首字节
                if (data > 0x7F && data < 0xC0){
                    i += 1;
                    continue;
                }

                //长度+1
                length += 1;
            }
        }

        return length;
    }

参考文章：UTF-8 字符编码长度计算_SongYuLong的博客的博客-CSDN博客_utf8字符串长度计算