JavaScript中Unicode字符与编码的互转

1,180 阅读2分钟

说起 Unicode 字符与编码的互转,我们很容易想到 charCodeAtfromCharCode 两个方法。

  • String.prototype.charCodeAt()
  • String.fromCharCode()

注意:charCodeAtString 的原型方法,fromCharCodeString 的静态方法,它们的使用方式是不同的。

用法:

'A'.charCodeAt();  // 65
String.fromCharCode(65);  // "A"

很简单对吧?一个是 charCode 的 “at”,即字符的编码位于哪里;另一个是 charCode 的 “from”,即从编码找出对应的字符,容易理解和记忆。然而当我们遇到某些特殊字符时就出问题了:

'🚀'.charCodeAt();  // 55357
String.fromCharCode(55357);  // "�"

'𠆧'.charCodeAt();  // 55360
String.fromCharCode(55360);  // "�"

可以看到我们无法通过获取的编码还原出字符,这是因为上面的 🚀𠆧 都是 4 字节字符(length 长度为 2 而不是 1),它们各自的 Unicode 编码有 2 组,所以要获取完整的编码值得这样写:

'🚀'.charCodeAt(0);  // 前两个字节的值:55357
'🚀'.charCodeAt(1);  // 后两个字节的值:56960

'𠆧'.charCodeAt(0);  // 前两个字节的值:55360
'𠆧'.charCodeAt(1);  // 后两个字节的值:56743

如何将上面这种 4 字节组成的 charCode 值解析为字符串呢?需要将 2 组编码都传入 fromCharCode 中进行解析:

String.fromCharCode(55357, 56960);  // "🚀"
String.fromCharCode(55360, 56743);  // "𠆧"

这在实际使用时会很不便,我们需要手动判断字符是否为 4 字节字符,还需要做相应处理,好在 ES6 中新增了 codePointAtfromCodePoint 两个 API 来解决这个问题,它们的使用方法和原有的 charCodeAtfromCharCode 基本一致:

'A'.codePointAt();  // 65
String.fromCodePoint(65);  // "A"

'🚀'.codePointAt();  // 128640
String.fromCodePoint(128640);  // "🚀"

'𠆧'.codePointAt();  // 131495
String.fromCodePoint(131495);  // "𠆧"

charCodeAt

fromCodePoint