[0969] herk_to_utf8 补 4 字节 UTF-8 分支修复 emoji 乱码

append_utf8_code 缺少 U+10000 以上码点的 4 字节编码分支，herk_to_utf8
还原 <#1F60A> 等逃逸串时按 3 字节截断，输出非法 UTF-8（FF 98 8A），
经聊天显示与 .tmu 保存逐字节 Latin-1 再编码后即用户所见的乱码。
补齐分支并与 encode_as_utf8 行为对齐，附 herk_4byte_codepoints 回归测试。

Author: PinkMagicFly

lolly/lolly/data/herk.cpp

@@ -118,11 +118,19 @@ append_utf8_code (string& r, int code) {
     r << (char) (0xC0 | (code >> 6));
     r << (char) (0x80 | (code & 0x3F));
   }
-  else {
+  else if (code < 0x10000) {
     r << (char) (0xE0 | (code >> 12));
     r << (char) (0x80 | ((code >> 6) & 0x3F));
     r << (char) (0x80 | (code & 0x3F));
   }
+  else if (code <= 0x1FFFFF) {
+    // 4 字节形式（U+10000 以上，含 emoji）；缺失此分支会把 17+ 位码点
+    // 截成 3 字节非法 UTF-8（如 U+1F60A 曾输出 FF 98 8A 即 LLM emoji 乱码）
+    r << (char) (0xF0 | (code >> 18));
+    r << (char) (0x80 | ((code >> 12) & 0x3F));
+    r << (char) (0x80 | ((code >> 6) & 0x3F));
+    r << (char) (0x80 | (code & 0x3F));
+  }
 }
 
 string

lolly/tests/lolly/data/herk_test.cpp

@@ -746,6 +746,23 @@ TEST_CASE ("herk_escapes") {
   string_eq (utf8_to_herk ("<#00FF>"), "<#00FF>");
 }
 
+TEST_CASE ("herk_4byte_codepoints") {
+  // 辅助平面码点（emoji 等）往返：herk 侧逃逸为 <#XXXX>，还原须是 4 字节
+  // UTF-8 而非截断的 3 字节（U+1F60A 曾被截成 FF 98 8A）
+  string_eq (herk_to_utf8 ("<#1F60A>"), "\xF0\x9F\x98\x8A"); // U+1F60A 😊
+  string_eq (utf8_to_herk ("\xF0\x9F\x98\x8A"), "<#1F60A>"); // U+1F60A
+  string_eq (herk_to_utf8 ("<#1F642>"), "\xF0\x9F\x99\x82"); // U+1F642 🙂
+  string_eq (utf8_to_herk ("\xF0\x9F\x99\x82"), "<#1F642>"); // U+1F642
+  string_eq (herk_to_utf8 ("<#20000>"),
+             "\xF0\xA0\x80\x80");                            // U+20000 𠀀
+  string_eq (utf8_to_herk ("\xF0\xA0\x80\x80"), "<#20000>"); // U+20000
+  string_eq (herk_to_utf8 ("<#10FFFF>"),
+             "\xF4\x8F\xBF\xBF");                             // U+10FFFF
+  string_eq (utf8_to_herk ("\xF4\x8F\xBF\xBF"), "<#10FFFF>"); // U+10FFFF
+  string_eq (herk_to_utf8 ("A<#1F60A>B"), "A\xF0\x9F\x98\x8A"
+                                          "B");
+}
+
 TEST_CASE ("herk_named_escapes") {
   string_eq (utf8_to_herk ("<less>"), "<less>");
   string_eq (herk_to_utf8 ("<less>"), "<less>");