javascript字符串unicode处理核心是区分utf-16编码单元与unicode码点，.length返回编码单元数而非字符数，需用array.from(str).length计数，codepointat()和fromcodepoint()处理辅助平面字符，正则须加u标志并用\p{emoji}等unicode属性类。
JavaScript 字符串的 Unicode 处理核心在于区分「UTF-16 编码单元」和「Unicode 码点」。底层用 UTF-16 存储，但操作时若混淆二者，就会导致长度误算、截断乱码、正则失灵等实际问题。
字符串长度与字符计数
`.length` 返回的是 UTF-16 编码单元数量，不是真实字符数。BMP 字符（如普通汉字、英文字母）占 1 单元，而 emoji（如 ?）、古汉字（如 ?）、ZWJ 组合序列（如 ???）都属于辅助平面，需用代理对表示，占 2 单元甚至更多。
- ✅ 正确获取字符数：
Array.from(str).length或[...str].length - ✅ 安全遍历单个字符：
for (const ch of str)—— 自动跳过代理对第二单元 - ❌ 避免：
str[i]、charAt(i)、传统for循环配合i++，会把代理对拆开
码点读取与生成
旧 API 如 charCodeAt() 和 fromCharCode() 只处理单个编码单元，无法正确表达辅助平面字符。
- ✅ 获取完整码点：
str.codePointAt(i)—— 返回位置 i 开始的 Unicode 码点（十进制），自动识别代理对 - ✅ 生成任意字符：
String.fromCodePoint(0x1F600, 0x4F60, 0x597D)→'?你好' - ❌ 不要用
String.fromCharCode(0x1F600)，它只支持 ≤ 65535 的值，超出部分会被截断或转成
正则匹配与 Unicode 属性
默认正则引擎按 UTF-16 单元解析，/./ 匹配不了 emoji，/\w+/ 也匹配不到中文或带音标字母。
- ✅ 必须加
u标志：/./u.test('?')→true - ✅ 使用 Unicode 属性类：
/^\p{Emoji}$/u、/[\p{Script=Han}]/gu（匹配所有汉字） - ✅ 中文范围简写可用：
/[\u4e00-\u9fa5]/u，但注意末尾必须有u
多语言安全操作
截取、替换、大小写转换、排序等常见操作，在多语言场景下都有隐性陷阱。
- ✅ 截取前 n 个真实字符：
Array.from(str).slice(0, n).join('') - ✅ 本地化大小写：
'İ'.toLocaleLowerCase('tr-TR')（土耳其语）、'你好'.toLocaleUpperCase('zh-CN') - ✅ 本地化排序：
arr.sort((a, b) => a.localeCompare(b, 'zh-Hans'))（中文拼音序） - ✅ 数字感知排序：
a.localeCompare(b, 'en', { numeric: true })（'item2' 排在 'item10' 前）
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
