为什么一个只包含一个表情符号的字符串，像""，长度为2？

Question

任何文本域如何处理一个看似由两个字符组成的字符？

例如：

"".length
// -> 2

更多示例请参见： https://jsbin.com/zazexenigi/edit?js,console

- filype

---

请查看http://developer.teradata.com/blog/jasonstrimpel/2011/11/javascript-string-length-and-internationalizing-web-applications。 - str

Answer 1

JavaScript使用UTF-16(来源)来管理字符串。

在UTF-16中，有1,112,064个可能的字符。现在，每个字符使用码点来表示(*). 在UTF-16中，一个码点使用两个字节(16位)保存。这意味着用一个码点你只能有只 65536个不同的字符。

这意味着一些字符必须用两个码点来表示。

String.length()返回字符串中代码单元的数量，而不是字符的数量。

MDN在String.length()页面上很好地解释了这件事。

此属性返回字符串中的代码单元数。JavaScript使用的字符串格式UTF-16，使用单个16位代码单元表示最常见的字符，但对于不常用的字符需要使用两个代码单元，因此长度返回值可能与字符串中实际字符数量不匹配。 (*): 实际上，一些字符在范围010000 - 03FFFF和040000 - 10FFFF内可以使用多达4个字节（32位）每个码点，但这不会改变答案：某些字符需要超过2个字节才能表示，因此它们需要超过1个代码点。 这意味着一些需要超过16位的字符仍然具有长度为1。像0x03FFFF这样的字符需要21位，但在UTF-16中仅使用一个代码单元，因此其String.length为1。

console.log(String.fromCharCode(0x03FFFF).length)

- rpadovani

---

我认为只有ES2015在引擎和语言层面上都使用UTF-16。ES5使用UCT-2进行编码（至少在语言层面上是这样）。此外，每个字符只有一个代码点（从0x0到0x10FFFF），由一个或两个代码单元表示。因为string.length将代码单元解释为单个字符，所以对于BMP之外的字符计算出错误的结果。 - user6445533

据我所知，ES5 也使用 UTF-16：当一个字符串包含实际文本数据时，每个元素被视为单个的 UTF-16 代码单元。 https://es5.github.io/ - rpadovani

哦，我的错误。它被称为UCS-2，ES5引擎可以使用它们中的任何一个（UCS-2/UTF-16）。 - user6445533

@LUH3417 请随意改进我的回答 :) - rpadovani

有关ES2015中的Unicode，请参见以下链接：http://exploringjs.com/es6/ch_unicode.html - user6445533

Answer 2

我相信rpadovani最好地回答了你的“为什么”问题，但对于在此情况下获得正确字形计数的实现，Lodash已经在其toArray模块中解决了这个问题。

例如，

_.toArray('12').length; // --> 3

或者，如果您想从字符串中删除一些任意的字符，可以通过操作和重新连接数组来实现，例如：

_.toArray("trimToEightGlyphs").splice(0,8).join(''); // --> 'trimToE'

- Evan Rusackas

---

我本来以为lodash是一个宝可梦的名字。 - qwr

这可以使用本地JS完成，不需要额外的lodash依赖项：Array.from('12').length // --> 3。 - imolit

Array.from() 对于所有的表情符号都不起作用。请尝试这个 console.log(Array.from("12‍‍").length); - Anjan Talatam

Answer 3

我发现了一个简单的方法来得到正确的结果。
这就是它：

'Some text with emojis'.match(/./gu)

它应该返回：

[ "","S", "o", "m", "e", " ", "t", "e", "x", "t", " ", "w", "i", "t", "h", " ", "e", "m", "o", "j", "i", "s", ""]

您可以在其上应用.length：

''.match(/./gu).length == 1

它使用正则表达式匹配：/./gu . 匹配任何单个字符。
g 表示“全局”：基本上允许在第一个匹配后继续匹配。
u 表示“Unicode”：它允许以正确的方式显示字符（如果没有它，则会显示为��（因此是2个字符））

顺便说一下，你可以添加 m 来支持多行匹配（/./gum）

希望这有所帮助

- CreaZyp154

---

并非所有情况都适用。例如，"‍❤️‍‍".match(/./gu).length 的输出为 8。 - Brian K.

根据@BrianK.的观点，我相信有些人会寻求如何将其视为“一个”的答案，但这实际上正是我需要的，因为这确实是8个字符（将其粘贴到支持Unicode的测试编辑器中，然后开始按Backspace键，你会看到那里面有什么！），这正是MySQL varchar字段所需的“字符”数量。因此，如果您想在插入之前检查它是否适合您的数据库-这可能是您想要的。 - SmxCde

它不会将所有表情符号视为一个字符。例如️是2个字符，而‍❄️是4个字符。 - talhasch