在Javascript中计算unicode字符[重复]答案

【问题标题】：Counting unicode characters in Javascript [duplicate]在Javascript中计算unicode字符[重复]
【发布时间】：2014-10-07 04:59:28
【问题描述】：

我遇到了计数 unicode 字符的问题。我需要计算组合的 unicode 字符总数。

以这个字符为例：

द्ध

如果你在这个字符串上使用 .length 属性，它会给你 3。这在技术上是正确的，因为它是一个组合

द、् 和 ध

但是，将द्ध放在文本区域中，然后使用箭头键您会意识到它被视为一个字符。只有当你使用退格时，你才会意识到有 3 个字符。

编辑：对于您的测试用例，请考虑它可能是一个词。可能是这样的，

द्धद्द

.length 应该给出 2，但给出 6

当您想要获取或设置输入元素中的当前插入符号位置时，这是一个问题。

【问题讨论】：

那么，您想要逻辑字符数而不是 UTF-16 代码单元？
有趣的问题。更重要的是，在 Python 中，len("द्ध") 是 9，len("द") 是 3。
@Deduplicator 是的，类似的东西。我正在做一些事情，需要在 textarea 上获得插入符号的位置。但由于没有正确读取长度，我很难准确地获得位置。
在chrome中，如果我尝试将carret放在这个字符之后，我实际上需要用长度3来计算它：jsfiddle.net/c68rwwut。所以我想这个问题实际上不是问题。
问题应该重新打开，或者至少链接到其他地方。这是关于计算字素，而“重复”是关于字节长度，完全不相关。

【解决方案1】：

您的示例“द्ध”是一个由三个 Unicode 字符组成的字符串，length 属性正确地表明了这一点。

您显然想要计算的是某种其他意义上的“字符”，例如“一种语言的使用者直观地将其视为一个字符”。这是一个模糊和可变的概念。 Unicode 标准附件 UAX #29 Unicode Text Segmentation 试图分析这个概念，称之为“字素簇”，并描述了一些使用它的算法。

不幸的是，JavaScript 没有内置工具来识别字符是否为例如组合标记，这应该被视为集群的一部分。但是，如果您可以限制自己只处理一种书写系统，您可能可以手动编写操作代码，通过代码编号引用可能的 Unicode 字符。

此外，如果目的是使计数与某些输入编辑器的工作方式相匹配（例如，箭头键如何覆盖字符），您需要了解该编辑器的逻辑。它可能在某种意义上实现了 Unicode 字素集群，或者其他。

【讨论】：

对于在遥远的未来发现这一点的任何人：有坏消息、好消息和更多坏消息。不好：仍然没有内置的方法来计算字素。好：there's a package 实现了链接的 UAX。不好：超过 200k，即使您只想计算单个字符串中的字形数量。