BreakIterator 怎样按可见边界截断

做摘要、卡片标题或消息预览时，直接按 String.length() 截断，最容易把代理项或组合字符切成半个。更稳妥的做法是使用 BreakIterator.getCharacterInstance(locale) 找到不超过长度上限的完整字符边界，再对这个边界调用 substring。它解决的是“不要切坏可见字符”，不是“按字体像素宽度排版”。

官方 API 文档：https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/text/BreakIterator.html

先把可见边界定义成索引区间

BreakIterator 本质上返回文本边界的位置。字符模式适合光标移动、选中字符和安全截断；Java 25 API 说明默认字符边界实现遵循 Unicode Extended Grapheme Cluster。也就是说，一个用户感知的字符可能由多个 UTF-16 code unit 组成，不能把 length() 当成可见字符数。

这里的“可见边界”指字符串层面的完整字符单元。例如旗帜、带组合音标的字母或补充平面字符，都可能跨越多个索引位置。截断时只接受迭代器返回的边界，避免把区间落在这些单元内部。

用字符迭代器取得最后一个安全位置

下面的函数把上限解释为 UTF-16 索引上限，但最终只返回一个安全边界。上限小于零时按零处理；原文为空时直接返回空字符串；当下一个边界越过上限，就保留上一次边界。

import java.text.BreakIterator;
import java.util.Locale;

public final class VisibleTruncator {
    private VisibleTruncator() {}

    public static String truncate(String source, int maxUnits, Locale locale) {
        // null 由调用方负责区分；这里把空文本和非正上限统一成空结果。
        if (source == null || source.isEmpty() || maxUnits 

调用方可以把 maxUnits 设为数据库字段或接口协议允许的 UTF-16 长度。若业务上要求“最多显示 20 个用户感知字符”，则要先明确长度口径，不能把字节数、代码点数和 UTF-16 单元数混用。

截断逻辑要同时处理首尾和 DONE

遍历的关键不是把 next() 调到末尾，而是保存“最后一个不超限的边界”。迭代器到达末尾后返回 BreakIterator.DONE；如果原文比上限短，循环会自然保留完整原文。如果第一个完整字符就超过上限，结果为空，这比返回半个字符更符合边界契约。

字符边界不等于显示宽度

如果需求是“卡片最多显示两行”或“输入框不超过 180 像素”，BreakIterator 只能负责字符完整性，不能判断字体、字号、字重和容器宽度。工程上可以先用它得到安全候选，再交给 UI 排版层测量；终端列宽也应使用专门的宽度规则。另一个边界是语言环境：同一段文字在不同 Locale 下可能出现不同的分词或边界判断，批量处理时应把 Locale 作为显式参数，而不要依赖默认 Locale。

常见问题

BreakIterator 能直接按字节数截断吗？

不能。它返回的是字符边界索引，不是 UTF-8 或其他编码后的字节偏移。需要限制传输字节数时，应在编码层计算，并在回退时再次保证字符完整。

为什么不用 codePointCount？

代码点数量仍不等同于用户感知字符，一个字素簇可能包含多个代码点。需要保护组合字符和连接序列时，优先使用字符边界迭代器。

BreakIterator 能保证一行的视觉宽度吗？

不能。它解决断点合法性；视觉宽度要结合字体渲染、容器尺寸和换行策略另行处理。

把“可见边界”和“显示宽度”拆成两层，截断函数就能保持简单：BreakIterator 负责给出合法索引，业务层负责长度口径，排版层负责最终呈现。