字符串处理Unicode相关方法

本节目标：理解“字符串处理Unicode相关方法”的核心思路，并能把它用于实际开发或面试表达。

说明：原 OneNote 中有图片引用，但图片未包含在导出目录中；本页保留了可用的文字与代码内容。 码位或码点转字符

String.fromCharCode()
String.fromCharCode()

方法可以将一个码位转换为字符，但是它只适用于BMP范围内的码位(即从 U+0000 到 U+FFFF)。如果将它用于转换超过BMP外的码位，将不会得到想要的结果。 fromCharCode()可以接受一个指定的Unicode的值，然后返回一个字符串。该方法是String的静态方法，字符串中的每个字符都由单独的Unicode数字编码指定。基本语法如下所示

:
String.fromCharCode(n1, n2, ......nx);

比如如下代码：

var n = String.fromCharCode(72,69,76,76,79); console.log(n); //

打印的值为：

"HELLO"
String.fromCharCode()

的缺点是： 对于在 U+0000 到 U+FFFF 范围之外的码位是获取不到结果的，我们看下： String.fromCharCode(0x1F4A9); 打印的结果如下：

解决的方法当然也有，但是方法也不是很好，但是幸运的是，ES6中引入了


String.fromCodePoint(codePoint)

该方法的优点是可以用于任何的Unicode编码，它是范围更广，是从 U+0000 到 U+10FFFF; 我们可以继续使用该方法测试下上面的

demo;
String.fromCodePoint(0x1F4A9);

在chrome浏览器下执行的结果如下所示:

获取字符串的码位或码点String.prototype.charAt(position) 该方法是用来检索包含字符串中的第一个字符。比如如下代码： 'abcdeb'.charAt(1); // 打印 b

String.prototype.charCodeAt(position) 该方法的含义是：从字符串中获取码位, 检索字符串中第一个字符的码位。比如如下代码： 'ABC'.charCodeAt(1); // 输出结果为66; 如上是字符串 'ABC'; 找到第2个字符串的码位。

codePointAt() 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 // 2s.charAt(0) // ''s.charAt(1) // ''s.charCodeAt(0) // 55362s.charCodeAt(1) // 57271 上面代码中，汉字“𠮷”（注意，这个字不是“吉祥”的“吉”）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 = '𠮷a'; s.codePointAt(0) // 134071s.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“𠮷a”视为三个字符，codePointAt 方法在第一个字符上，正确地识别了“𠮷”，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“𠮷”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。总之，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 = '𠮷a';
s.codePointAt(0).toString(16) // "20bb7"s.codePointAt(2).toString(16) // "61"

注意
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 = '𠮷a';for (let ch of s) {  console.log(ch.codePointAt(0).toString(16));}// 20bb7// 61
另一种方法也可以，使用扩展运算符（...）进行展开运算。
let arr = [...'𠮷a']; // arr.length === 2arr.forEach(  ch => console.log(ch.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 is32Bit(c) {  return c.codePointAt(0) > 0xFFFF;}
is32Bit("𠮷") // trueis32Bit("a") // false

二：JS中Unicode编码与String相互转换1. 字符串转Unicode 第一种方式：

var str='\u6211\u662f\u4e2d\u56fd\u4ebaChina';var ret1 = eval("'" + str + "'");console.log(ret1); //

打印出：我是中国人China 第二种方式：

var str='\u6211\u662f\u4e2d\u56fd\u4ebaChina';var ret2 = (new Function("return '" + str + "'"))();console.log(ret2); //

打印出：我是中国人China 第三种方式

:
var str='\u6211\u662f\u4e2d\u56fd\u4ebaChina';var ret3 = unescape(str.replace(/\u/g, '%u'));console.log(ret3); //

打印出：我是中国人

China
2. Unicode

转字符串function

string2unicode(str)

{var html =

'';

 `for`

(let

i =

0;

i \<

str.length;

i++)

{

console.log(str.charCodeAt(i))

     `html` `+=`

"\\u"

+

str.charCodeAt(i).toString(16);

 `}`
`return`

html;
}
var

str = "我是中国人

";
var

s2u =

string2unicode(str);
console.log(s2u);

// 打印出:

\u6211\u662f\u4e2d\u56fd\u4eba
console.log(eval("'"

+ s2u +

"'"));

// 输出：我是中国人如上代码，使用的语法是：

number.toString(radix);
radix

参数可选；它值可以是2、8、16，表示以多少进制来显示。更多了解可以看对应的

API(https://www.runoob.com/jsref/jsref-tostring-number.html)

如下代码演示

:
var num = 15;var a = num.toString();var b = num.toString(2);var c = num.toString(8);var d = num.toString(16);
console.log(a); // 15console.log(b); // 1111console.log(c); // 17console.log(d); // f

如上字符串转Unicode的方法 string2unicode 有缺陷的，比如中文里面包含英文的话，就不行了，请看如下代码： function

string2unicode(str)

{var html =

'';

 `for`

(let

i =

0;

i \<

str.length;

i++)

{html +=

"\\u"

+

str.charCodeAt(i).toString(16);

 `}`
`return`

html;
}
var

str = "我是中国人

a";
var

s2u =

string2unicode(str);
console.log(s2u);

// 打印结果为:

\u6211\u662f\u4e2d\u56fd\u4eba\u61
console.log(eval("'"

+ s2u +

"'"));

如上代码就报错了，因为JS自身的Unicode转字符串不能识别不足4位的unicode。因此我们要对 string2unicode方法改进一下。我们可以在chrome控制台看下打印信息如下：

function

string2unicode(str)

{var html =

'';

 `var` `rets` `=`

'';

 `for`

(let

i =

0;

i \<

str.length;

i++)

{// 获取码位 var c1 =

str.charCodeAt(i);

     `//` 转换成`16`进制
    `var` `c16` `=`

c1.toString(16);

     `//` `0xf` 代表`16`进制`f`，转换成`10`进制就是`15`
    `if`

(c1

\<

0xf)

{html +=

"\\u"

+ "000" +

c16;

     `}` `else` `if`

(c1

\<

0xff)

{html +=

"\\u"

+ "00" +

c16;

     `}` `else` `if`

(c1

\<

0xfff)

{html +=

"\\u"

+ '0' +

c16;

     `}` `else` `{`
        `html` `+=`

"\\u"

+

c16;

     `}`
`}`
`rets` `+=`

html;

 `return`

rets;
}
var

str = "我是中国人

a";
var

s2u =

string2unicode(str);
console.log(s2u);

// 打印结果为:

\u6211\u662f\u4e2d\u56fd\u4eba\u61
console.log(eval("'"

+ s2u +

"'"));

// 打印: 我是中国人a

字符串处理Unicode相关方法 ​

字符串处理Unicode相关方法