字符编码

Unicode作为字符编码的标准，使用代码点来索引字符(通用标识符)，字符编码用于识别代码点。字符编码被视为一个编码单位。在JavaScript中，字符串基于16位字符编码(UTF-16，Unicode的一种)来构造编码单位(用十进制或十六进制表示)。

前65，535个字符代码称为基本多语言平面(BMP)，一个代码标识一个代码位。当超出BMP范围时，会用两个代码(代理对)来识别一个代码点，称为辅助平面字符。大部分字符在BMP范围内，部分字符在辅助平面内，这就产生了一些问题，比如汉字“:

let str=

//字符串的length属性基于编码单元返回的长度

//因为不在BMP范围内，所以字符" "为2(两个16位代码)

str.length//2

/^.$/.测试(str)；//false

str . charat(0)；//''

str . charat(1)；//''

获取实际字符数

因为String.length是用编码单位数来计算长度的，所以遇到有两个编码单位的晦涩单词，比如""，在计算字符数时会有偏差。在ES6标准中，正则表达式的修饰符/u会将字符匹配模式从编码单元模式切换到字符模式，所以可以通过正则匹配来计算字符数：

/^.$/u . test(str)；//true

str.match(/)。/gu)。长度；//1

应该注意的是当。match()方法与内容不匹配，会返回null，而且这种方法处理长字符串开销很大。

获取十进制代码点

//charCodeAt code point区别在哪里

str . charcodeat(0)；//55362

str . charcodeat(1)；//57271

str . codepointat(0)；//134071

str . codepointat(1)；//57271

134071.toString(16)；//转换为十六进制0x20bb7

两者。charCodeAt()和。codePointAt()方法可以获取字符编码的十进制值。区别在于。codePointAt()方法可以获取代理对标识的代码点的小数值，也是最终指向字符的完整字符编码的小数值。

通过代码位获取相应的字符

//String.fromCharCode编码BMP范围以外的字符，无法正确获取对应的字符

string . FromCharCode(134071)；//''

string . FromCharCode(55362)；//''

//只能通过String.fromCodePoint获取

string . FromCodePoint(134071)；//''

string . FromCodePoint(55362)；//''

确定是否超过BMP范围

//通过分析Unicode，可以判断是否超出BMP范围(16位上限FFFF，小数为65535)

console . log(str . codepointat(0)0xfffff)；//true

整句拆分

//只需使用。split()方法将根据代码而不是字符来拆分字符，因此单词“”被拆分成两个乱码

console . log(str . split('))；//['', '']

//可以在match方法的正则表达式中添加修饰符u

console.log(str.match(/)。/gu))/[' ']

//for.声明

let word=[]；

for(let char of str){

words . push(char)；

}

console . log(word)；//['']

字符编码的标准化

Unicode序列有很多规则。在ES6中，字符串序列(“NFC”、“NFD”、“NFKC”和“NFKD”)由统一。normalize()，它影响比较操作等操作的结果，例如以下排序操作：

Let str='文本排序前带标准化的cba '，

字数=[]；

For(让char of ' standard before text sorting CBA '){

words . push(char)；

}

word . sort((a，b)={

设an=a.normalize()，//两者使用相同的标准，默认为“NFC”

bn=b . normalize()；

if(anbn){

return-1；

}else if(an===bn){

返回0；

}else{

返回1；

}

});

console . log(word)；//得到统一标准后的排序结果