javascript字符串统一采用utf-16编码，bmp字符占1个码元，辅助平面字符以代理对形式占2个码元，.length等方法按码元计数，需用array.from()或for-of遍历获取真实字符数。

JavaScript 字符串统一采用 UTF-16 编码，这是语言层面的硬性规定，不是可选项。它直接影响字符串长度计算、字符遍历、正则匹配和编码转换等核心行为，处理不当容易出现“一个表情算两个字符”这类典型问题。

UTF-16 编码结构：BMP 与代理对

Unicode 字符被划分为基本多文种平面（BMP，U+0000–U+FFFF）和辅助平面（U+10000–U+10FFFF）。BMP 中的字符在 JavaScript 中直接用一个 16 位码元表示，比如 'A' 对应 0x0041，'中' 对应 0x4E2D。
超出 BMP 的字符（如 ?‍❄️、?、?）无法用单个 16 位表示，必须拆成两个：一个高位代理（U+D800–U+DBFF）加一个低位代理（U+DC00–U+DFFF），合称代理对（surrogate pair）。例如：
• '?' 的 Unicode 码点是 U+20BB7，UTF-16 编码为 0xD842 0xDFB7
• '?'（U+1F600）编码为 0xD83D 0xDE00
JavaScript 的 .length、.charAt()、.charCodeAt() 等方法都按 16 位码元计数，因此它们对代理对会返回 2，而非逻辑上的 1。

正确获取字符数量和遍历字符串

想得到真实“字符个数”，不能依赖 str.length：
• 使用 Array.from(str).length 或 [...str].length
• 或调用 str.codePointAt(0) !== undefined 配合循环统计

安全遍历每个完整字符，推荐：
• for (const ch of str) —— 自动识别代理对，每次迭代一个逻辑字符
• 避免 for (let i = 0; i + str.charAt(i)，它可能把代理对拆开，输出乱码或无效字符

js2java

JavaScript 到 Java 全栈翻译助手，专为前端开发者学习 Java 或快速实现后端业务逻辑而设计。当用户提到以下场景时必须使用此技能： - "帮我把这段 JS 代码转成 Java" - "用 Java 怎么写这个逻辑" - "我习惯用 JS 写，想翻译成 Java" - "教我 Java，我要写后端接...

下载

正则与 Unicode 操作需显式启用 u 标志

默认正则（如 /./、/\w/）把代理对当作两个独立字符处理：
• /^.$/.test('?') 返回 false
• '?'.split('') 得到 ['\uD83D', '\uDE00']

加上 u 标志即可修复：
• /^.$/u.test('?') → true
• '?'.match(/./gu) → ['?']
• 'A?B'.split(/./u) 可正确切分（注意空字符串项）
所有 Unicode 相关操作，包括 .replace()、.search()，只要涉及辅助平面字符，都建议带上 u

码点与字符串的双向转换

ES6 提供了精准的码点级 API，绕过 UTF-16 代理细节：
• String.fromCodePoint(0x1F600) → '?'
• '?'.codePointAt(0) → 128512（即 0x1F600）
• String.fromCodePoint(0x20BB7) → '?'

而传统方法有局限：
• String.fromCharCode(0x1F600) 错误，只支持 BMP 范围（≤0xFFFF）
• '?'.charCodeAt(0) 返回高位代理值 55357（0xD83D），不是真正码点
• '?'.charCodeAt(1) 返回低位代理 56832（0xDE00），单独无意义

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