1. 一道 Java 面试题把我问懵之后我把 length 彻底研究了一遍先说个场景。面试官随手在白板上写了两行代码一行int[] arr new int[10]; arr.length;一行String s hello; s.length();问我有什么区别。我很快答出数组是属性、字符串是方法但对方紧接着追问为什么数组用属性String 用方法集合为什么又不用 length这一串问题直接把我问住了。后来我认真去翻了 Java 语言规范、javap 字节码和 JDK 源码才发现 Java length 这个点看起来简单背后牵扯的是语言设计、JVM 运行时和业务编码的一整套逻辑。这篇文章就是想把这件事彻底讲透。先给刚入门的朋友一个最直观的答案Java 里的长度主要有三种写法而且长得不一样。数组用数组名.lengthString 用字符串.length()集合用集合.size()。很多人刚接触时经常搞混写成arr.length()或者str.length编译直接报错。要理解为什么这么设计不能只死记语法得从语言设计和 JVM 运行机制两个层面看。下面我按三种最常见的形式拆开讲。1.1 数组 length属性而非方法先看数组。Java 中任何数组都带一个名为length的 public final 字段保存的是创建数组时指定的容量。我用一段最简单代码说明int[] arr new int[4]; System.out.println(arr.length); // 4 arr.length 5; // 编译错误cannot assign a value to final variable length注意两点。第一length是变量访问不是方法调用所以括号是多余的写了括号反而报错。第二它是 final 的编译器不允许对它赋值。数组一旦创建容量就不可变这正好对应数组定长的语义。很多人还会把length当成关键字其实不是。它只是一个普通标识符只是数组类型固定拥有这个字段。所以理论上你写int length 0;也能通过编译只是正常没人这么取名太容易混淆了。数组的 length 有一个本质特征它描述的是容量也就是数组最多能放多少个元素而不是当前有几个有效元素。这一点在平时写代码时容易忽略。比如一个缓存数组初始化了 1024 个位置但实际只用了前 100 个你不能直接说这个数组的长度是 100它的 length 永远是 1024。有效个数需要你自己维护一个指针或者计数器这也是后面第五章要讲的缓冲区坑。1.2 String.length()方法和属性差一个括号String 类里求长度要调用length()方法注意后面有一对括号。之所以是方法而不是字段是因为 String 把内部存储封装起来了。想看一个字符串有多少个字符通过方法暴露会比直接暴露字段更安全也更有扩展余地。这里必须强调一个容易被忽略的点hello.length()返回的 5准确含义是5 个 UTF-16 code unit也就是 5 个 char 单元。对一个普通汉字来说在基本多语言平面内也是一个 char所以你好.length()返回 2。但字符串里一旦混入 emoji 或某些生僻字结论就可能和你直觉不一样了。比如A.length()返回 3而不是 2因为 emoji 在 UTF-16 里需要两个 char 来表示。这个点很多人第一次知道时会愣住我会在第三章专门展开讲并给出实际项目里最稳的字符数计算方式。1.3 集合 size()一个总会混进来的第三方集合框架和数组、String 都不一样。List、Set、Map 都没有length统一用size()方法。原因是集合是接口体系下的抽象接口不能有字段而且集合的大小是动态变化的size()表达的是当前容器里有多少个元素和数组那种固定容量含义完全不同。ArrayList 会扩容HashMap 会扩容如果给它们设计一个不可变的 length 字段语义上就崩了。最容易踩的坑还是把数组写法和集合写法记反。我拿一个表格把三种最常用的形式放一起方便对照目标写法返回类型含义数组arr.lengthint数组容量固定不变字符串str.length()intUTF-16 char 数量集合list.size()int当前元素个数1.4 其他容易混淆的长度API除了上面三个Java 里还有不少名字里带 length、size 或 count 的 API也值得扫一遍避免在面试时被连环追问卡壳StringBuilder.length()和 String 一样返回当前已拼入的字符数。File.length()返回文件大小单位是字节返回类型是 long。Stream.count()流里元素的数量返回 long因为流可能超过 int 范围。System.arraycopy之类底层 API参数里也会出现 length表示要拷贝的元素个数。这些 API 本质上都是返回某种维度的数量。真正拉开差距的不是背 API而是理解为什么会有这么多不同写法。下一章我们从 JVM 字节码层面看根因把数组用属性、String 用方法这个问题彻底讲清楚。2. 为什么数组的 length 是字段String 的 length 是方法从字节码说起这一章是很多面试候选人的知识盲区。大多数人能背出数组是字段String 是方法但问到底层原理就沉默了。其实只要看过一次 javap 输出这个问题的答案就永远忘不掉。2.1 数组是 JVM 里的特殊对象要理解数组的 length 为什么是字段先得明白数组在 Java 里是一种特殊对象。数组确实有 class、可以被 clone()但它不是用某个 class 文件里的类来创建的而是 JVM 在运行时通过newarray、anewarray、multianewarray指令直接分配的内存结构。既然不是普通 class 定义的字段Java 语言规范就专门规定每个数组对象都有一个 public final 的length字段用来表示数组的元素个数。JVM 在分配数组内存时就知道这个长度后续不需要再遍历内容来计算。从对象内存布局来看普通对象的字段按照定义顺序放在对象头之后而数组对象除了对象头还必须额外记录一个数组长度信息。这个信息在 GC、复制、遍历、arraycopy 时都要用所以 JVM 会把它作为数组对象元数据的一部分保存。语言层面就把这个元数据暴露成了arr.length开发者可以像访问公共字段一样读它。注意它本质上比普通字段更特殊因为它不是存在对象内存里某个普通位置而是直接由 JVM 指令管理。2.2 javap 看一眼字节码答案就清楚了Java 字节码里专门有一条指令arraylength用来读取数组长度而不是用普通的getfield指令。写一个最简单的类public class LengthDemo { public int getArrayLength(int[] arr) { return arr.length; } }编译后执行javap -c LengthDemo会看到这段输出public int getArrayLength(int[]); Code: 0: aload_1 1: arraylength 2: ireturn这里没有getfield而是一条独立的arraylength指令。这就解释了为什么数组长度读取那么快它根本不需要走普通字段查找流程而是由 JVM 直接从数组对象的长度元信息里取值。如果当初 Java 把数组的 length 设计成方法这里就会多一次方法调用虽然 JIT 可能优化掉但对语言设计者来说在 Java 诞生之初就为数组提供指令级支持显然更符合数组作为高频基础数据结构的定位。2.3 String 为什么不做成字段封装带来的设计红利现在反过来想 String。假如 String 把长度设计成公开字段外部代码直接读str.length那 String 内部存储从 char[] 改成 byte[] 的时候这个字段的语义就会很尴尬它到底是 char 个数还是字节数Java 9 引入 Compact Strings 之后String 内部用 byte[] 存储通过 coder 区分 LATIN1 和 UTF16 两种编码。如果当初暴露字段这会是一场兼容性灾难。而用length()方法JDK 可以把实现细节完全藏起来。Java 8 里length()直接返回value.lengthJava 9 之后大概是value.length coder但外部看到的abc.length()永远是 3。这就是封装的好处方法背后的实现可以换行为可以保持不变。对语言设计者来说数组是内置类型可以直接特殊处理String 是普通类需要遵守面向对象的封装原则。这个对比本身就是面试官想听到的回答。2.4 Collection 接口为什么用 size() 而不是 length()集合体系的情况更像一层清晰的分层。Collection是接口接口不能有公共字段所以容器统一用size()方法。而且集合和数组的核心语义不同数组是定长的length 表示容量集合是动态的size() 表示此刻有多少元素。如果接口里硬塞一个 length 字段ArrayList、LinkedList、HashSet 的实现根本无法统一维护因为它们的内部结构完全不同。使用抽象方法size()每个实现类自己决定怎么计算比如 ArrayList 直接返回维护的 size 字段ConcurrentHashMap 可能需要聚合各个分段的数据。所以如果面试官问为什么数组用 length集合用 size你可以从三个角度答第一数组是语言内置类型有专门的arraylength字节码指令支持第二String 需要封装方法来隐藏内部实现保证升级和重构的自由度第三集合是接口抽象天然用方法而不是字段且集合大小动态变化。能答到这层基本就超过大部分只背语法的人了。3. String.length() 的隐藏陷阱一个 emoji 算两个 char前面提到过 String.length() 返回的是 UTF-16 code unit 数量这一章专门把它讲透。这个知识点不仅面试爱考线上 bug 也经常从这里产生。3.1 先理解 UTF-16Java 字符串内部是 char 序列很多教程会说String.length()是字符个数这个说法在普通场景下没错但在 Unicode 的某些字符面前就不成立了。Java 的 char 是 16 位无符号整数内部用 UTF-16 编码存储字符串。Unicode 基本多语言平面里的字符用一个 char 就能表示比如中文字、拉丁字母。但增补平面里的字符比如很多 emoji、部分 CJK 扩展汉字需要两个 char 组成一个代理对。所以String.length()返回的是底层 char 数组里的元素数量而不是人类肉眼看见的字符数量。看代码String s A; System.out.println(s.length()); // 3不是 2 System.out.println(s.charAt(2)); // 取出来的是一个低代理项单独打印通常是乱码在 UTF-16 里由高代理0xD83D和低代理0xDE00两个 char 组成所以整体长度是 3。这不是面试官故意刁难而是真实业务里高频出现的坑尤其是涉及用户输入、短信、数据库字段长度时。3.2 codePointCount 才是人类感知的字符数如果你要的是用户眼睛看到的字符数应该用codePointCountString s A; int codePoints s.codePointCount(0, s.length()); System.out.println(codePoints); // 2codePointCount(int beginIndex, int endIndex)的区间参数按 char 索引算返回值是 Unicode 码点数量。对普通 BMP 字符它和 length() 一致对代理对它会正确合并成 1。注意它接收的是 char 索引范围所以传 end 时依然用s.length()这样才不会越界。如果需要逐个处理字符串里的字符优先用s.codePoints()拿到 IntStreams.codePoints().forEach(cp - System.out.println(Integer.toHexString(cp)));这样就不会把一个 emoji 拆成两半。同理想按码点索引截断字符串最好用offsetByCodePoints定位边界而不是直接用 char 索引做 substring。3.3 昵称校验、短信字数、数据库字段长度三个真实场景我自己在项目里就吃过亏。之前做一个用户昵称校验需求写的是最多 20 个字符我一开始用的是name.length() 20。测试同学输入 10 个 emoji长度直接变成 20再补一个汉字就报错。后来把判断条件改成name.codePointCount(0, name.length()) 20才符合用户预期。如果是做全球用户体系emoji 和特殊字符几乎无法避免这一行代码早晚会触发。短信字数预估也类似。很多短信接口按字符数计费但带 emoji 的内容和纯中文内容编码不同运营商统计规则还涉及长短信拼接直接拿 Java 的 length() 做判断很容易翻车。更稳妥的做法是看接口文档用的是按字计费还是按字节计费按字节时直接用getBytes(StandardCharsets.UTF_8).length预估。数据库字段长度更是重灾区。比如 MySQL 的varchar(N)在 utf8mb4 字符集下N 表示字符数一个 emoji 算一个字符。但后端校验如果用了String.length()相当于把 emoji 当成两个字符来算和数据库口径对不上。结果就是接口层拦住10 个字符的输入库里其实还能放更多或者反过来代码判断能放数据库插入却超长报错。这类校验建议直接用码点计数并且和 DBA 确认字段字符集口径不要想当然拿 Java 的 length 去等价数据库长度。3.4 按字节计算长度getBytes(StandardCharsets.UTF_8).length还有一类需求要的是字节长度。典型场景是日志上报、消息体大小估算、某些老系统的定长文件。这时 length() 和 codePointCount 都不对得用编码后的字节数组长度String text 你好; System.out.println(text.length()); // 2 System.out.println(text.getBytes(StandardCharsets.UTF_8).length); // 6 System.out.println(.getBytes(StandardCharsets.UTF_8).length); // 4UTF-8 编码下一个汉字 3 字节一个 emoji 4 字节。不同编码结果差异很大比如 GBK 下中文 2 字节。所以涉及跨系统长度限制时一定要明确双方约定的是字符数还是字节数以及统一使用什么编码。我经历过的系统对接里因为不统一而出的问题比算法本身多得多。3.5 Unicode 规范化用户看到的同一个字符length 也可能不同还有一个更隐蔽的问题Unicode 里的组合字符。比如 é 既可以用单个码点 U00E9 表示也可以用字母 e 加一个组合重音符号两个码点表示。用户看起来完全一样但length()一个返回 1一个返回 2。如果做严格长度限制建议先通过Normalizer.normalize(text, Normalizer.Form.NFC)把字符串规范化再计算码点数量否则可能存在同一字符串多种编码绕校验的问题。这四个维度合起来才是完整的字符串长度体系code unit 数量、码点数量、UTF-8 字节数量、规范化后的长度。面试时你不仅能说清 length()还能引出这套体系水平一下就体现出来了。4. 二维数组、最大长度和 size 与 capacitylength 的边界知识前面讲的是最常用的三种 length 语义接下来看一些更隐蔽的边界场景。这些内容未必天天用但面试和代码评审时都是加分项。4.1 二维数组外层与内层 length二维数组在 Java 里是数组的数组这一点对 length 的语义影响很大。看这个例子int[][] matrix new int[3][]; matrix[0] new int[5]; matrix[1] new int[2]; matrix[2] new int[7]; System.out.println(matrix.length); // 3 System.out.println(matrix[0].length); // 5 System.out.println(matrix[1].length); // 2matrix.length是外层数组的元素个数也就是行数matrix[i].length才是这一行有多少列。如果创建时写new int[3][4]那么每一行的 length 都是 4但如果只定外层不定内层Java 允许内层数组变长这就是不规则数组。很多图形矩阵算法里都用得到理解了这个结构才不会把行列搞反。4.2 遍历不规则数组别忘了判空不规则数组在真实项目里不少见。比如按部门分组每组人数不同用二维数组存就可能是这种形状。遍历时最稳的做法是先判空再访问for (int i 0; i matrix.length; i) { if (matrix[i] ! null) { for (int j 0; j matrix[i].length; j) { // 处理 matrix[i][j] } } }因为你完全可以让matrix[1] null然后执行matrix[1].length就直接空指针了。这个点特别小但面试里经常用来考基础扎不扎实。开发中遍历前随手加一个判空能让代码健壮很多。4.3 数组和 String 的最大长度到底是多少数组的 length 字段是 int 类型所以理论上数组最大元素个数不能超过Integer.MAX_VALUE。但实践中几乎不可能真正达到这个上限抛开堆内存限制JVM 在分配超大数组时还会抛出OutOfMemoryError: Requested array size exceeds VM limit。比如你试着执行new int[Integer.MAX_VALUE]大概率直接失败。这是因为 JVM 在分配数组对象时要把对象头和长度信息都放进内存而且数组大小本身还有 VM 层面的上限。String 的最大长度也是类似的道理。因为String.length()返回 int字符串长度在语义上是Integer.MAX_VALUE但内部存储是 char[] 或 byte[]受 JVM 数组上限和堆内存约束。实际开发中根本不需要关心这个极限值但面试时如果能说出理论由 int 决定实际由 JVM 和内存决定会显得对底层有概念比单纯背一个数字强得多。4.4 顺带一提ArrayList 的 size 与 capacity还有一类相关考点是集合的 size 和 capacity 的区别。比如ListString list new ArrayList(100); System.out.println(list.size()); // 0这里的 100 是初始容量 capacity不是已经存了 100 个元素。ArrayList 内部基于数组size()记录的是当前有效元素个数和内部数组的 length 完全是两码事。当元素超过容量时ArrayList 会自动扩容这也是集合和原生数组的关键区别数组 length 定死集合大小动态变化。有时候你看到某个集合变量叫 length但那只是命名习惯API 上集合内部和外部都不会提供数组式的 length 字段。4.5 System.arraycopy 与 length 参数的配合数组复制相关的 API 也常和 length 一起出现。比如从一个长度很大的源数组里拷贝一部分到目标数组int[] src {1, 2, 3, 4, 5}; int[] dest new int[3]; System.arraycopy(src, 0, dest, 0, 3);最后这个 3 是拷贝元素个数不是目标数组 dest.length。如果把 3 换成 dest.length在有些场景下刚好一样但一旦源数组剩余元素不足或者目标数组起始偏移不为 0就会抛数组越界异常。类似地Arrays.copyOf虽然只需要传 newLength但这个 newLength 也决定了新数组长度而不是源数组长度。这类 API 的参数含义值得细看很多时候越界 bug 就是这样产生的。5. 我在真实项目里被 length 坑过的五个场景最后分享一些我在实际开发中踩过、或者帮别人 review 代码时反复见过的 length 相关坑。它们都不复杂但造成的线上问题一点都不小。5.1 缓冲区长度read 方法不会填满整个 buffer这个坑几乎每个做网络编程的人都遇过。写读取接收时很容易写出byte[] buffer new byte[1024]; int n in.read(buffer); String msg new String(buffer, 0, n, StandardCharsets.UTF_8);这里千万别用buffer.length去构造字符串。read方法返回的是本次实际读到的字节数 n通常小于或等于 buffer 的长度。如果直接new String(buffer, StandardCharsets.UTF_8)会把缓冲区后面没有有效数据的部分也转成字符串轻则带上一堆空字符或 NUL 字符重则解码失败出现乱码。我自己刚写网络层的时候就犯过这个错排查了很久才发现是理想长度和实际长度没分清。缓冲区长度是上限实际返回的长度才是有效数据。5.2 截断字符串切断代理对另一个高频问题是对很长的文本做截断。直接substring(0, n)如果 n 恰好落在代理对中间会把 emoji 截成两个孤立代理输出乱码。稳妥做法是用offsetByCodePoints定位码点边界public static String truncateByCodePoints(String s, int maxCodePoints) { int count s.codePointCount(0, s.length()); if (count maxCodePoints) { return s; } int endIndex s.offsetByCodePoints(0, maxCodePoints); return s.substring(0, endIndex); }这段逻辑我封装在工具类里用了很久处理用户输入的标题、签名、评论内容基本没再出过乱码。如果你的业务对 emoji 支持要求高强烈建议把它沉淀成公共方法而不是每次现场手写。5.3 for 循环里 LinkedList.get(i) 配 size()性能灾难有些同学在遍历 LinkedList 时会写ListString list new LinkedList(); for (int i 0; i list.size(); i) { System.out.println(list.get(i)); }list.size()读取本身没问题LinkedList 维护了 size 字段读取是 O(1)。问题是list.get(i)在链表里是 O(n) 的整个循环就变成 O(n^2)。数据量一大接口耗时肉眼可见地上升。最直接的办法是用迭代器或者增强 forfor (String item : list) { System.out.println(item); }这提醒我们length 相关循环不要机械写要理解底层数据结构对索引访问的复杂度。数组的arr[i]是 O(1)ArrayList 的get(i)也是 O(1)但 LinkedList 不是。5.4 空判断用 isEmpty数组用 length 0判断字符串是否为空我见过太多s.length() 0的写法不能算错但可读性和意图都不如s.isEmpty()。Java 6 之后isEmpty()就是干这个的。判断数组是否为空则常用if (arr null || arr.length 0)注意空数组和 null 是两回事很多 NPE 就是只判断了 length 没判断 null或者反过来。字符串和集合也一样老生常谈的null与空容器的区别在 length 这个知识点上依然适用。5.5 把 length 阈值提升为命名常量代码评审时我最怕看到这种散落魔法值if (content.length() 10) { // ... } if (name.length() 20) { // ... }10 和 20 代表什么没人知道。我会建议改成带业务含义的常量比如MAX_CONTENT_LENGTH 10、MAX_NAME_LENGTH 20。这样后续改业务规则时只改常量不会漏掉某个角落。配合codePointCount或getBytes().length的选择长度校验就会变得既清晰又正确。代码评审时看到 length 相关魔法值我都会顺手标一下。这些经验看起来零散但每一个背后都有真实事故。Java length 如果只是背语法一小时就够了真正值钱的是知道它在不同场景下代表什么、怎么算、边界在哪里。能把这一层讲清楚面试和实战都算真正过关了。