如何从 unicode 字符串中获取正确的元素？答案

【问题标题】：How to get the correct element from a unicode string?如何从 unicode 字符串中获取正确的元素？
【发布时间】：2019-05-31 15:36:33
【问题描述】：

我想使用索引从 unicode 字符串中获取特定字母。但是，它并没有按预期工作。

例子：

var handwriting = `????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????1234567890`
var normal = `abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890` 

console.log(normal[3]) // gives 'd' but
console.log(handwriting[3]) // gives '�' instead of '????'

长度也不能按预期工作 normal.length 给出正确的值 62 但 handwriting.length 给出 114。

索引未按预期工作。如何访问 unicode 数组的元素？

我在 python 上试过了，它运行良好，但在 Javascript 中它不起作用。

我需要 unicode 字符串中的确切字符，例如 'd' '????' 的预期输出对于索引 3

【问题讨论】：

如您所见，unicode 字符很少是单个字节。您需要某种方法来解析 unicode 字节并从中挑选“字符”。
相关：thekevinscott.com/emojis-in-javascript
@phuzi 挑选字符是这里真正的问题。
注意：这不是手写（它是数学符号），并且您不应该使用 Unicode 进行格式化：您会产生更多问题。 Unicode 是关于语义的。使用字体（和标记）进行格式化。您可以使用标准的 Unicode 分解来从数学到字母（更通用）。

标签： javascript unicode

【解决方案1】：

在 Javascript 中，字符串是 16 位代码点的序列。由于这些字符是在基本多语言平面之上编码的，这意味着它们由一对代码点表示，也称为代理对。

Reference

? 的 Unicode 编号是 U+1D586。并且 0x1D586 大于 0xFFFF (2^16)。所以，? 由一对代码点表示，也称为代理对

console.log("?".length)
console.log("?" === "\uD835\uDD86")

一种方法是使用扩展语法或Array.from() 创建一个字符数组，然后获取您需要的索引

var handwriting = `????????????????????????????????????????????????????1234567890`

console.log([...handwriting][3])
console.log(Array.from(handwriting)[3])

【讨论】：

……直到没有。尝试[...'?‍❤️‍?‍?'].length，表达式返回 8 而不是人类期望的 1。展开计数字符，而不是字素，请参阅 stackoverflow.com/a/51422499/46395>。我希望该语言及其设计者能够认真对待 Unicode，但他们没有，所以程序员必须受苦。
@daxim 很好发现。我在 unicode 上阅读的越多，我就越困惑。如果我在控制台中粘贴上面带有表情符号的字符串，我会看到一个 \u200D 空白空间。那是表情符号的一部分吗？为什么每个表情符号有 3 个代码点
@adiga - 不仅仅是表情符号，任何带有组合标记的东西都有同样的问题。例如，[..."Français"][4] 是 c（因为我写它时使用了 c 后跟一个用于 cedille 的组合标记，而不是使用组合的 ç 字符）。这……不是很有趣。 :-D normalize 可以在有一个等效字符但通常没有的情况下提供帮助。

【解决方案2】：

一个 unicode 字符看起来像 '\u00E9' 所以如果你的字符串更长，这是正常的。要获得 unicode 字符串的实际长度，您必须将其转换为数组：

let charArray = [...handwriting]
console.log(charArray.length) //=62

数组中的每一项都是字符串的一个字符。 charArray[3] 将返回与 '?' 对应的 unicode char

【讨论】：