今天被人问到一个神奇的问题:你知道吗?'𠮷𠮷𠮷'.lenght !== 3?。当我第一次看到这个的时候，我忽然怀疑人生了？啥情况？难道穿越了？赶紧打开浏览器试一下
'𠮷𠮷𠮷'.lenght // 6
在仔细看一下这个字"𠮷"，这是个啥？不是"吉"啊！这都不是一个汉字。也就是说它就不是一个字，那输出长度的时候为什么是这样子呢？去找了好多资料，才发现下面这个解释，这所有的问题都是因为编码格式引起的。这个"𠮷"被当作一个符号进行解析，但是它又不能使用一个字符表示，因为超出了识别范围，因此是两个字符，每一个的长度就是2.初看相当的抽象，接下来我就从计算机的基础知识展开讲讲吧。
常见的编码
- Unicode，是一个字符集，几乎为全世界已知的所有字符分配了一个编码，计算机只要支持这一个字符集，就能显示所有的字符，再也不会有乱码了。
- UTF-32，Unicode只规定了每个字符的码点，到底用什么样的字节序表示这个码点，就涉及到编码方法。最直观的编码方法是，每个码点使用四个字节表示，字节内容一一对应码点。这种编码方法就叫做UTF-32。
- UTF-8，是一种变长的编码方法，字符长度从1个字节到4个字节不等。
- UTF-16，与 UTF-8 类似，也是一种可变长度字符编码，其长度可能是 2字节 或者 4字节。基本平面的字符占用2个字节，辅助平面的字符占用4个字节。也就是说，UTF-16的编码长度要么是2个字节（U+0000到U+FFFF），要么是4个字节（U+010000到U+10FFFF）。
- UCS-2，UTF-16编码是 UCS-2 编码的超集，在没有辅助平面（UTF-16 的后2个字节）前，UTF-16 与 UCS-2 是指同一个东西，一个字符占用 2 个字节空间。而 JavaScript 就使用 UCS-2 编码，所以当字符码点大于 U+FFFF 时，需特别注意处理。
JavaScript 内部，字符以 UTF-16 的格式储存，每个字符固定为 2 个字节。对于那些需要 4 个字节储存的字符（Unicode 码点大于 0xFFFF 的字符），JavaScript 会认为它们是两个字符。
var s = "𠮷";
s.length // 2
s.charAt(0) // '\uD842'
s.charAt(1) // '\uDFB7'
s.charCodeAt(0) // 55362
s.charCodeAt(1) // 57271
上面代码中，汉字“𠮷”的码点是 0x20BB7，UTF-16 编码为 0xD842 0xDFB7（十进制为 55362 57271），需要 4 个字节储存。对于这种 4 个字节的字符，JavaScript 不能正确处理，字符串长度会误判为 2
为了解决这个问题，可以考虑一个简单粗暴的方式
Array.from('𠮷𠮷𠮷').length // 3
参考资料
字符串的扩展
Unicode与JavaScript详解
