简介

（一）码元（Code Unit）

• 码元是指在字符编码中用于表示字符的最小基本单位。它是编码系统中最小的数据单位，在不同的编码系统中，码元的定义和长度可能不同。

• 在 UTF-16 中，码元是 16 位的单元。字符可以由一个或两个 16 位的码元组成。一个码元表示一个基本的 Unicode 字符或一个代理对（surrogate pair）的一部分。

• 在 UTF-8 中，码元是 8 位（一个字节）。UTF-8 编码的字符可以使用一个或多个码元（字节）来表示。

（二）码点（Code Point）

• 码点是字符集中的每一个字符的唯一标识符，通常是一个整数。它代表了字符集中的具体字符，无论该字符的编码方式如何。码点不直接与具体的编码格式绑定，而是一个抽象的概念。

• 在 Unicode 中，码点是一个范围从 U+0000 到 U+10FFFF 的整数。例如，字符 "A" 的 Unicode 码点是 U+0041，字符 "你" 的 Unicode 码点是 U+4F60。

• 码点在编码过程中被转换成具体的码元（如 UTF-8、UTF-16 等），这些编码方案用不同的字节表示相同的码点。

用法

1. 获取 ‘码点’ 对应的码点值：str.codePointAt(index)

const str = '𠮷a';

// 获取第一个字符 '𠮷' 的点码
const codePoint1 = str.codePointAt(0);
console.log(codePoint1); // Output: 134071

// 获取第二个字符 'a' 的点码
const codePoint2 = str.codePointAt(1);
console.log(codePoint2); // Output: 97 (ASCII 码为 'a')

2. ‘码点’ 转字符：String.fromCodePoint(码点值)

// 将单个点码转换成字符
// 多个点码合并转换成字符使用 逗号 传入
const char1 = String.fromCodePoint(134071);
console.log(char1); // Output: '𠮷'

注意：获取字符串长度时其实是获取他的码元

案例

const text = "1😊2😊😊😊"; 

// 获取字符串码点的长度 
String.prototype.pointLength = function () { 
    // 记录当前的下标 
    let len = 0; 
    for (let i = 0; i < text.length; ) { 
        len++; 
        // 判断当前占位，使用字符串.codePointAt(下标)方法，获取当前的码点对应的数字 
        let point = text.codePointAt(i); 
        i += point > 65535 ? 2 : 1; 
    } 
        return len; 
}; 

// 根据码点的下标获取字符 
String.prototype.pointAt = function (index) { 
    // 记录当前码点 
    let curIndex = 0; 
    for (let i = 0; i < text.length; ) { 
        // 判断当前码点与传入的下标是否一致 
        if (curIndex === index) { 
            // 获取码点的数字 
            let point = text.codePointAt(i); 
            // 码点转字符 使用String.fromCodePoint(码点值) 
            return String.fromCodePoint(point); 
        } 
        curIndex++; 
        // 获取码点的数字 
        let point = text.codePointAt(i); 
        i += point > 65535 ? 2 : 1; 
    } 
}; 

// 截取 
String.prototype.poinSlice = function (start, end) { 
    let result = ""; 
    let len = text.pointLength(); 
    // 循环所有的码点 
    for (let i = start; i < len && i < end; i++) { 
        result += text.pointAt(i); 
    } 
    return result; 
}; 

console.log("码点数量", text.pointLength()); 
console.log("下标获取", text.pointAt(0)); 
console.log("下标获取", text.pointAt(1)); 
console.log("截取", text.poinSlice(1, 3));

总结

• 码点 是字符在字符集中的唯一标识符，是一个抽象的概念。
• 码元 是在特定编码格式中实际使用的数据单位，用来表示码点。
• 发现一个emoji表情占用2个码点，一个码点可以占用一个或多个码元
• 每个字符占用 16位 码元
• 一个码元占用 0-2^16次方 = 0-65535，转16 进制 0Xffff
• 生僻字、emoji标签需要占用两个码元，0-2^23次方