JavaScript剪切字符串且不拆分表情符号

Question

在我的JavaScript中，我试图使用substring()函数截取文本，这通常可以实现，但不幸的是会切断表情符号。

usaText = "AZ"
splitText = usaText.substring(0,2) //"A�"
splitText = usaText.substring(0,3) //"A"
splitText = usaText.substring(0,4) //"A�"
splitText = usaText.substring(0,5) //"A"

有没有一种方法可以使用子字符串而不会中断表情符号？在我的生产代码中，我通常在大约40个字符处截断，如果它是35或45也无妨。我曾考虑过简单地检查第40个字符是否为数字或介于a-z之间，但如果你得到一个充满表情符号的文本，这种方法就行不通了。我可以通过模式匹配检查最后一个字符是否是“结束”表情符号，但在性能方面似乎也有些奇怪。

我错过了什么吗？在JavaScript所携带的所有膨胀中，难道没有内置的count将表情符号视为一个吗？

关于将JavaScript字符串拆分为代码点数组？（考虑到“代理对”但不是“字形群集”）的事情：

chrs = Array.from( usaText )
(4) ["A", "", "", "Z"]
0: "A"
1: ""
2: ""
3: "Z"
length: 4

很遗憾，这一个太多了。

- user2875404

---

你可以考虑查找表情符号，记录它们的位置，然后将其删除。然后进行子字符串操作，根据原始字符串中的位置将表情符号放入子字符串中。子字符串的长度将不再相同，但你说这不是问题。 - RobG

请忘记“emoji”，你所问的是代理对UTF-16，它同样适用于普通语言和表情符号。这个问题已经有一个优雅的解决方案了，可以在https://dev59.com/jGEi5IYBdhLWcg3wUa46上找到答案。使用`Array.from(yourstring)`即可将字符串拆分为单个Unicode字符，而不会在字节之间断开它们。 - Mike 'Pomax' Kamermans

请检查我的代码。我已经尝试过了，虽然它让我的情况有所改善，但仍然存在2个部分问题。 - user2875404

Answer 1

所以这并不是一件容易的事情，我倾向于告诉你不应该自己写。你应该使用像runes这样的库。

只需要简单的npm i runes，然后：

const runes = require('runes');
const usaText = "AZ";
runes.substr(usaText, 0, 2); // "A"

- MichaelSolati

---

符文代码也是足够简单的，因此它非常适合作为重要字形群集分割问题的入门。我强烈推荐阅读代码和测试案例。https://github.com/dotcypress/runes/blob/develop/index.js - Rob Napier

runes(usaText) -> (3) ["A", "", "Z"]。非常好，谢谢！ - user2875404

Answer 2

免责声明：这只是扩展了Mike 'Pomax' Kamermans的评论，因为我认为它是一个更简单、适用的答案（对于那些不喜欢阅读所有评论的人）： Array.from(str)将字符串拆分成单个unicode字符，而不会在字节之间断开它们。

详情请参见Split JavaScript string into array of codepoints? (taking into account "surrogate pairs" but not "grapheme clusters")。

- E. Villiger

Answer 3

这段代码对我很有效:

splitText = Array.from(usaText).slice(0, 5).join('');

- hs_dino

---

欢迎来到stackoverflow。除了您提供的答案外，请考虑提供一个简要的解释，说明为什么以及如何解决这个问题。 - jtate

嘿，你代码中的(0, 2)结果是A。通常情况下，人们要么完全包含表情符号，要么不包含 - 而不是得到破碎的分数。 - user2875404

这是正确的答案。不确定为什么它不是绿色的。 - Tengiz