由 String.fromCodePoint 与 String.fromCharCode 谈起
String.fromCodePoint 与 String.fromCharCode 这两个方法名称相似。如果你之前未使用过，让我们来先看 MDN 上的介绍。
String.fromCodePoint() 静态方法返回使用指定的代码点序列创建的字符串。
静态 String.fromCharCode() 方法返回由指定的 UTF-16 代码单元序列创建的字符串。
读完以上介绍，你的困惑可能又多了一些。「代码点」，「UTF-16 代码单元序列」分别指的是什么意思？为了更好地理解这些概念，让我们从 Unicode 编码谈起。
Unicode 编码
Unicode 编码给全世界上所有的字符分配了唯一的数字编号，即 code point（下文统一称代码点）。Unicode 字符共计 110 多万，一个 unsigned int32 来表示完全够了。
| 字符 | 代码点 |
|---|---|
| a | 97 |
| 金 | 37329 |
| 😝 | 128541 |
通过调用字符串的 codePointAt 方法可以获取指定位置字符的代码点，调用 String.fromCodePoint 可以将代码点转为字符，codePointAt 与 fromCodePoint 可以归为一类。
"😝".codePointAt(0); // 128541
String.fromCodePoint(128541); // '😝'
UTF-8 与 UTF-16
Unicode 编码只是定义了代码点，但并未规定二进制数据存储的格式。用四个字节来存储最方便，但是过于浪费存储空间。实践中，往往采用变长编码，比如 UTF-8 与 UTF-16 格式来存储数据。
UTF-8 编码占用字节数 1 - 4，UTF-16 编码占用字节数为 2 或者 4。借助 Node 中的 Buffer 对象可以观察字符对应二进制数据。
Buffer.from("😝", "utf8"); // [0xf0, 0x9f, 0x98, 0x9d]
Buffer.from("😝", "utf16le"); // [0x3d, 0xd8, 0x1d, 0xde]
JavaScript 字符的缺陷
JavaScript 虽然遵循 Unicode 编码，但采用的是废弃的 UCS-2 编码格式。该方案的缺陷是对于 4 个字节的字符，比如 emoji 表情，会拆分 2 个字符，即 2 个 UTF-16 字符。获取字符的长度与调用 charCodeAt 方法可看出这一点。
"😝".length; // 2
"😝".split(""); // ['\uD83D', '\uDE1D']
"😝".charCodeAt(0); // 55357 === 0xD83D
"😝".charCodeAt(1); // 56861 === 0xDE1D
将编码数转成 16 进制数，加上 \u 也可用以表示该字符。使用 String.fromCharCode 可以将单元序列转成字符。fromCharCode 与 charCodeAt 可以归为一组。
String.fromCharCode(55357, 56861); // '😝'
经过上面的介绍，我们发现对于由一个 UTF-16 代码单元构成的字符，charCodeAt 与 codePointAt 的结果一致。
ES6 的改进
日常开发中，字符串的操作是如此常见。我们想用更好的方式来处理字符串。好在 ES6 改进了字符串的操作。使用 for...of 来遍历字符串，使用 Array.from 来准确的计算字符串长度。
for (const ch of "😝") {
console.log(ch);
}
Array.from("😝").length;
对于 4 字节的字符，也支持了 Unicode 码表示。「😝」的这几种写法是等效。
"😝" === "\uD83D\uDE1D";
"😝" === "\u{1F61D}";
Buffer 与字符串的转换
前文中提到，字符在存储占据的空间是不一样的。在 Buffer 拼接时，尤其要注意避免隐式地调用 toString。
const buf = Buffer.from("😝"); // 4 字节
buf.slice(0, 2) + buf.slice(2); // '���'
上述代码片段的结果跟预期完全不一致。在调用 toString 时，Buffer 并不完整，错误地被转化成 � (Unicode replacement character)。正确的方式使用 Buffer.concat 或者 StringDecoder 来去实现拼接。
// 1
Buffer.concat([buf.slice(0, 2), buf.slice(2)], 4).toString();
// 2
const { StringDecoder } = require("string_decoder");
const decoder = new StringDecoder("utf8");
decoder.write(buf.slice(0, 2));
decoder.end(buf.slice(2)); // '😝'
总结
-
String.fromCodePoint与codePointAt归为一组，处理的是 Unicode 编码中的代码点。 -
String.fromCharCode与charCodeAt归为一组，处理的是 UTF-16 代码单元序列。部分字符由两个 UTF-16 代码单元序列构成。 -
尽量使用 ES6 的新方法来处理字符串。
-
Buffer 与字符串转化时，需要注意保证 Buffer 的完整性。
