javascript字符串处理需区分utf-16编码单元与unicode码点，es6起提供codepointat、fromcodepoint、扩展运算符及u标志正则等码点级api，确保正确遍历、截取和匹配。
JavaScript 中字符串的 Unicode 编码处理需区分 UTF-16 编码单元（code units） 与 Unicode 码点（code points），这是理解字符串长度、遍历、截取和正则匹配行为的关键。ES2015（ES6）起引入了更符合 Unicode 标准的处理方式，但底层仍基于 UTF-16。
码点（Code Point） vs UTF-16 编码单元（Code Unit）
Unicode 码点是字符在 Unicode 字符集中的唯一数值标识，范围从 U+0000 到 U+10FFFF（共约 111 万个可能值）。而 JavaScript 引擎内部以 UTF-16 编码存储字符串：基本多文种平面（BMP，U+0000–U+FFFF）字符用 1 个 16 位编码单元表示；超出 BMP 的字符（如 ?、??、 Emoji ZWJ 序列、部分古文字）需用一对 16 位单元——即“代理对”（surrogate pair），占 2 个 string.length 单位。
-
'a'.length === 1，'?'.length === 2（U+1F308 是辅助平面字符） -
'?'.length === 2（U+20BB7，中日韩扩展 B 区汉字） -
'????'.length可能为 11+（含多个代理对与零宽连接符 ZWJ）
获取与转换码点的正确方法
避免使用已过时或不安全的 charCodeAt() 和 fromCharCode()（它们只操作单个编码单元，无法正确处理代理对）。应优先使用 ES6+ 提供的码点级 API：
-
str.codePointAt(i)：返回位置i开始的码点数值（支持代理对，返回完整字符码点） -
String.fromCodePoint(0x1F308)：由码点生成字符（可传入多个码点，生成多字符字符串） -
[...str]或Array.from(str)：正确拆分为 Unicode 字符（而非 UTF-16 单元），适用于遍历 -
for (const ch of str) { ... }：原生支持码点级迭代（推荐）
正则与 Unicode 标志：确保正确匹配
默认正则表达式将字符串视为 UTF-16 编码单元序列，导致对代理对或组合字符（如带重音符号的字母）匹配异常。启用 u 标志后，正则引擎按 Unicode 码点语义解析模式与目标：
-
/./.test('?')→false（点号只匹配一个编码单元，而 ? 占两个） -
/./u.test('?')→true（u模式下点号匹配一个完整码点） -
/^\p{Emoji}$/u.test('?')→true（\p{…}Unicode 属性类需u标志） -
str.match(/./gu)可安全获取所有字符（非编码单元）数组
实际处理建议与常见陷阱
开发中应始终以“码点”为逻辑单位设计字符串操作，尤其涉及国际化、富文本、Emoji 处理或密码学相关场景：
- 计算“可视字符数”用
[...str].length，而非str.length - 截取前 N 个字符用
[...str].slice(0, N).join('')，避免切开代理对 - 校验输入长度（如昵称≤10字）时，明确规范是“码点数”还是“显示宽度”，后者需额外使用 Unicode 宽度数据库（如
eastasianwidth） - 与后端交互时注意：若后端按 UTF-8 字节计长或按码点计长，需前后端约定一致，避免截断或校验失败
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
