codePointAt()
JavaScript 内部,字符以UTF-16格式存储,每个字符固定为2字节,但是对于要存储4字节的字符(Unicode码点大于 0xffff 的字符),JavaScript 就会认为是2个字符。
var s = "吉";
s.length // 2
s.charAt(0) // ''
s.charAt(1) // ''
s.charCodeAt(0) // 55362
s.charCodeAt(1) // 57271
上面代码中,汉字“吉”(通“吉”,实际横是上短下长,但是在此编译器中通过不了,所以统一用“吉”代替)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,而且charAt方法无法读取整个字符,charCodeAt方法只能分别返回前两个字节和后两个字节的值。
ES6提供了codePointAt方法,能够正确处理4个字节储存的字符,返回一个字符的码点。
let s = '吉a';
s.codePointAt(0) // 134071
s.codePointAt(1) // 57271
s.codePointAt(2) // 97
codePointAt方法的参数,是字符在字符串中的位置(从0开始)。上面代码中,JavaScript将“吉a”视为三个字符,codePointAt方法在第一个字符上,正确地识别了“吉”,返回了它的十进制码点134071(即十六进制的20BB7)。在第二个字符(即“吉”的后两个字节)和第三个字符“a”上,codePointAt方法的结果与charCodeAt方法相同。
codePointAt方法会正确返回32位的UTF-16字符的码点。对于那些两个字节储存的常规字符,它的返回结果与charCodeAt方法相同。
codePointAt方法返回的是码点的十进制值,如果想要十六进制的值,可以使用toString方法转换一下。
let s = '吉a';
s.codePointAt(0).toString(16) // "20bb7"
s.codePointAt(1).toString(16) // "dfb7"
s.codePointAt(1).toString(16) // "61"
codePointAt方法的参数,仍然是不正确的。比如,上面代码中,字符a在字符串s的正确位置序号应该是1,但是必须向codePointAt方法传入2。解决这个问题的一个办法是使用for...of循环,因为它会正确识别32位的UTF-16字符。
let s = '吉a';
for (let tmp of s) {
console.log(tmp.codePointAt(0).toString(16));
}
// 20bb7
// 61
codePointAt方法是测试一个字符由两个字节还是由四个字节组成的最简单方法。
function code(val) {
return val.codePointAt(0) > 0xFFFF;
}
code("吉") // true
code("a") // false
String.fromCodePoint()
ES5 提供了 String.fromCharCode 方法,用于从码点返回对应字符,但是这个方法不能识别32位的 UTF-16 字符(Unicode 编码大于0xFFFF)。
String.fromCharCode(0x20BB7)
// "ஷ"
上面代码中,String.fromCharCode 不能识别大于 0xFFFF 码点,所以 0x20BB7 就发生了溢出,最高位 2 被舍弃了,最后返回码点 U+0BB7 对应的字符,而不是码点 U+20BB7 对应的字符。
ES6 提供了String.fromCodePoint 方法,可以识别大于 0xFFFF 的字符,弥补了 String.fromCharCode 方法不足。在作用上,正好与 codePointAt 方法相反。
String.fromCodePoint(0x20BB7)
// "吉"
String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'
// true
上面代码中,如果 String.fromCodePoint 方法有多个参数,则它们会被合并成一个字符串返回。
注:fromCodePoint 方法定义在String 对象上,参数是十六进制数,而 codePointAt 方法定义在字符串实例对象上,参数是数字。