为什么是“????”.length === 2？答案

【问题标题】：Why is "????".length === 2?为什么是“????”.length === 2？
【发布时间】：2016-11-15 16:03:25
【问题描述】：

我的浏览器中的任何文本区域如何处理看似 2 个表示为一个字符的字符？

例如：

"????".length
// -> 2

【问题讨论】：

【解决方案1】：

Javascript 使用UTF-16 (source) 来管理字符串。

在 UTF-16 中有 1,112,064 个可能的字符。现在，每个字符都使用code points 来表示（*）。在 UTF-16 中，一个代码点使用两个字节（16 位）来保存。这意味着使用一个代码点，您可以仅拥有 65536 个不同的字符。

这意味着某些字符必须用两个代码点表示。

String.length() 返回字符串中的代码单元数，而不是字符数。

MDN很好地解释了页面上关于String.length()的事情

此属性返回字符串中的代码单元数。 JavaScript 使用的字符串格式 UTF-16 使用一个 16 位的代码单元来表示最常见的字符，但对于不常用的字符需要使用两个代码单元，所以长度返回的值可能为与字符串中的实际字符数不匹配。

(*)：实际上，在 010000 – 03FFFF 和 040000 – 10FFFF 范围内的某些字符每个代码点最多可以使用 4 个字节（32 位），但是这不会改变答案：有些字符需要超过 2 个字节才能表示，因此它们需要超过 1 个代码点。

这意味着一些需要超过 16 位的字符的长度无论如何都是 1。和0x03FFFF一样，需要21位，但在UTF-16中只使用了一个编码单元，所以它的String.length为1。

console.log(String.fromCharCode(0x03FFFF).length)

【讨论】：

我认为只有 ES2015 在引擎内部和语言级别上都使用 UTF-16。 ES5 使用 UCT-2 编码（至少在语言级别上）。此外，每个字符只有一个代码点（从 0x0 到 0x10FFFF）），由一到两个代码单元表示。因为string.length 将代码单元解释为单个字符，所以它会为基本多语言平面 (BMP) 之外的字符计算错误的结果。
@LUH3417 afaik ES5 也使用 UTF-16：When a String contains actual textual data, each element is considered to be a single UTF-16 code unit.es5.github.io
哦，我的错。它被称为 UCS-2 和 ES5 引擎可以使用它们中的任何一个（UCS-2/UTF-16）。
@LUH3417 请随时改进我的答案:)
不需要。 cmets 完成这项工作。更多关于Unicode in ES2015.

【解决方案2】：

我相信 rpadovani 最好地回答了您的“为什么”问题，但是为了在这种情况下为您提供正确的字形计数的实现，Lodash 在他们的 toArray 模块中解决了这个问题。

例如，

_.toArray('12?').length; // --> 3

或者，如果您想从字符串中剔除几个任意字符，您可以操作并重新加入数组，例如：

_.toArray("?trimToEightGlyphs").splice(0,8).join(''); // --> '?trimToE'

【讨论】：

【解决方案3】：

我找到了一种获得正确结果的简单方法。
这里是：

'?Some text with emojis?'.match(/./gu)

它应该返回：

[ "?","S", "o", "m", "e", " ", "t", "e", "x", "t", " ", "w", "i", "t", "h", " ", "e", "m", "o", "j", "i", "s", "?"]

然后你可以在上面申请.length：

'?'.match(/./gu).length == 1

它使用正则表达式匹配：/./gu

. 匹配任何单个字符。
g mean 'global' : 它基本上允许在第一场比赛后不停止。
u 意思是 'unicode' ：它允许以正确的方式显示字符（没有它 ? 将显示为 ��（所以 2 个字符））

顺便说一句，您可以添加 m 以支持多行 (/./gum)

希望对您有所帮助 ?

【讨论】：

不适用于所有情况。例如，"?‍❤️‍?‍?".match(/./gu).length 输出 8
就@BrianK.而言，我相信有些人会寻找如何将其算作“一个”的答案，但这实际上正是我所需要的，因为这些实际上是 8 个字符（粘贴它在支持 Unicode 的测试编辑器中并开始按 Backspace”，你会看到那里有什么！）这正是它在 MySQL 的 varchar 字段中需要多少“字符”。所以如果你想检查它是否在插入之前将适合您的数据库 - 这可能是您想要的。