JavaScript 字符串 codePointAt 与字符编码一致性

梦辰同学_8280

梦辰同学_8280

2026-07-07

850人浏览

原创

codepointat 是 javascript 中唯一能真实反映 unicode 字符语义单位的字符串方法,它返回 unicode 码点并自动处理代理对,而 charcodeat 仅返回 utf-16 编码单元,对增补平面字符易产生语义偏差。

codepointat 是 javascript 中唯一能真实反映 unicode 字符“语义单位”的字符串方法,它直接对应 unicode 码点(code point),而非底层 utf-16 编码单元(code unit)。这种设计使它在处理现代文本时与字符编码标准保持一致,而 charcodeat 仅对齐 utf-16 实现细节,容易造成语义偏差。

codePointAt 返回的是 Unicode 码点,不是 UTF-16 编码单元

Unicode 规范定义每个字符由一个唯一的码点标识(如 U+1F30D 表示地球 emoji ?),范围从 U+0000 到 U+10FFFF。JavaScript 字符串内部用 UTF-16 编码存储,但 codePointAt 会自动识别代理对(surrogate pair),把连续两个编码单元(如 0xD83D 0xDE80)合并还原为原始码点(0x1F680),结果与 Unicode 标准完全一致。

  • 对 BMP 字符(U+0000–U+FFFF),如 'A'、'中',codePointAt(0) 与 charCodeAt(0) 值相同(都是十进制 65 / 20013)
  • 对增补平面字符(U+10000 及以上),如 '?'(U+20BB7)、'?'(U+1F680),codePointAt(0) 直接返回完整码点值;charCodeAt(0) 只返回高位代理(如 55362),无独立语义
  • 若调用位置落在代理对的低位代理上(如 '?'.codePointAt(1)),则只返回该编码单元值(57271),不尝试反向拼合——这符合 Unicode 标准中“码点不可逆向定位”的原则

字符串长度与索引需按码点理解,而非字节或编码单元

JavaScript 的 .length 属性统计的是 UTF-16 编码单元个数,不是字符个数。这意味着 '?'.length === 2,但人类认知中它就是一个字符。使用 codePointAt 配合循环,才能实现真正按“字符”遍历:

Java Maven Code Review
Java Maven Code Review

审查Java Maven项目(ZIP压缩包或GitLab仓库URL),检查代码规范、命名、模块边界、可维护性问题以及重复代码。

下载
  • 传统 for (let i = 0; i 会把 <code>'?' 拆成两次迭代,每次取一个无效代理
  • 正确方式是:用 codePointAt(i) 获取当前码点后,检查是否为高位代理(0xD800 ≤ cp ≤ 0xDFFF),若是且后续是合法低位代理,则 i += 2 跳过整个代理对
  • 更简洁的做法是使用 Array.from(str).length 或 [...str].length,它们内部基于码点分割,天然兼容 emoji 和增补汉字

与 fromCodePoint 形成可逆映射,保障编码一致性

codePointAt 和 String.fromCodePoint 是一对语义对称的操作:前者将字符串中第 n 个“用户可见字符”转为码点,后者将码点还原为该字符。这种双向一致性是 charCodeAt/fromCharCode 所不具备的:

  • String.fromCodePoint(0x20BB7) === '?',而 String.fromCharCode(0x20BB7) 错误截断为 'ஷ'(U+0BB7)
  • '?'.codePointAt(0).toString(16) 得到 "20bb7",与 Unicode 官方码点表示完全一致
  • 在序列化、校验、国际化处理(如姓名、表情符号计数、输入限制)等场景中,只有基于 codePointAt 的逻辑才能避免因代理对导致的越界、漏判或重复计数

实际应用中应优先使用 codePointAt 替代 charCodeAt

除非明确需要操作 UTF-16 底层(如与二进制协议交互、手动解析 .bin 文件),否则所有面向用户文本的逻辑都应默认使用 codePointAt:

  • 判断是否为 emoji:cp => cp >= 0x1F600 && cp (比正则匹配更可靠)
  • 安全截断长文本:function truncate(s, limit) { const chars = [...s]; return chars.slice(0, limit).join(''); }
  • 计算真实字符数:[...s].length 或 Array.from(s).filter(c => c.codePointAt(0) > 0xFFFF).length 统计 4 字节字符
  • 与 Intl API 协同:例如 Intl.Segmenter 分词结果中的 segment.codePoint 本质就是 codePointAt 的封装

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

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

javascript java

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
js获取数组长度的方法
js获取数组长度的方法

在js中,可以利用array对象的length属性来获取数组长度,该属性可设置或返回数组中元素的数目,只需要使用“array.length”语句即可返回表示数组对象的元素个数的数值,也就是长度值。php中文网还提供JavaScript数组的相关下载、相关课程等内容,供大家免费下载使用。

2023.06.20

4546

5

js刷新当前页面
js刷新当前页面

js刷新当前页面的方法:1、reload方法,该方法强迫浏览器刷新当前页面,语法为“location.reload([bForceGet]) ”;2、replace方法,该方法通过指定URL替换当前缓存在历史里(客户端)的项目,因此当使用replace方法之后,不能通过“前进”和“后退”来访问已经被替换的URL,语法为“location.replace(URL) ”。php中文网为大家带来了js刷新当前页面的相关知识、以及相关文章等内容

2023.07.04

1129

3

js四舍五入
js四舍五入

js四舍五入的方法:1、tofixed方法,可把 Number 四舍五入为指定小数位数的数字;2、round() 方法,可把一个数字舍入为最接近的整数。php中文网为大家带来了js四舍五入的相关知识、以及相关文章等内容

2023.07.04

4484

6

js删除节点的方法
js删除节点的方法

js删除节点的方法有:1、removeChild()方法,用于从父节点中移除指定的子节点,它需要两个参数,第一个参数是要删除的子节点,第二个参数是父节点;2、parentNode.removeChild()方法,可以直接通过父节点调用来删除子节点;3、remove()方法,可以直接删除节点,而无需指定父节点;4、innerHTML属性,用于删除节点的内容。

2023.09.01

900

4

JavaScript转义字符
JavaScript转义字符

JavaScript中的转义字符是反斜杠和引号,可以在字符串中表示特殊字符或改变字符的含义。本专题为大家提供转义字符相关的文章、下载、课程内容,供大家免费下载体验。

2023.09.04

1796

5

js生成随机数的方法
js生成随机数的方法

js生成随机数的方法有:1、使用random函数生成0-1之间的随机数;2、使用random函数和特定范围来生成随机整数;3、使用random函数和round函数生成0-99之间的随机整数;4、使用random函数和其他函数生成更复杂的随机数;5、使用random函数和其他函数生成范围内的随机小数;6、使用random函数和其他函数生成范围内的随机整数或小数。

2023.09.04

3265

4

如何启用JavaScript
如何启用JavaScript

JavaScript启用方法有内联脚本、内部脚本、外部脚本和异步加载。详细介绍:1、内联脚本是将JavaScript代码直接嵌入到HTML标签中;2、内部脚本是将JavaScript代码放置在HTML文件的`<script>`标签中;3、外部脚本是将JavaScript代码放置在一个独立的文件;4、外部脚本是将JavaScript代码放置在一个独立的文件。

2023.09.12

4233

6

Js中Symbol类详解
Js中Symbol类详解

javascript中的Symbol数据类型是一种基本数据类型,用于表示独一无二的值。Symbol的特点:1、独一无二,每个Symbol值都是唯一的,不会与其他任何值相等;2、不可变性,Symbol值一旦创建,就不能修改或者重新赋值;3、隐藏性,Symbol值不会被隐式转换为其他类型;4、无法枚举,Symbol值作为对象的属性名时,默认是不可枚举的。

2023.09.20

2760

5

java访问控制修饰符介绍
java访问控制修饰符介绍

java访问控制修饰符有四种,分别是public、protected、private、默认访问修饰符。详细介绍:1、public,public是最宽松的访问控制修饰符,被修饰的类、方法和变量可以被任何其他类访问,当一个类、方法或变量被声明为public时,它们可以在任何地方被访问,无论是同一个包中的类还是不同包中的类;2、protected修饰符等等。

2023.09.20

888

7

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
WebStorm 官方调试文档
WebStorm 官方调试文档

共0课时 | 0人学习

React 教程
React 教程

共58课时 | 12.1万人学习

TypeScript 教程
TypeScript 教程

共19课时 | 6.6万人学习