charCodeAt与codePointAt（js字符串的码元与码点）

charCodeAt与codePointAt的用法：

相同点：

charCodeAt与codePointAt都是字符串实例上的方法，用途都是用来返回指定索引位字符的Unicode编码。

不同点：

charCodeAt与codePointAt匹配索引位的规则不一样。charCodeAt是根据码元来匹配，codePointAt是根据码点来进行匹配的。

先举个例子：

image

可以发现一个非常神奇的事情。

有些中文字符 𠮷、𪚥 的长度不为1，并且charCodeAt与codePointAt对相同字进行处理返回的结果却是不同的。

这其中的原因就是charCodeAt是以一个码元为一个索引，codePointAt是以一个码点为一个索引进行处理的

Unicode使用16位二进制来存储文字。我们将一个16位的二进制编码叫做一个码元（Code Unit），Unicode编码范围在0 - 2^16。也就是我们所说的占2个字节。

由于技术的发展，Unicode对文字编码进行了扩展，将某些文字扩展到了32位（占用两个码元），并且，将某个文字对应的二进制数字叫做码点（Code Point），Unicode编码范围在0 - 2^32，占4个字节。

特别要注意，码点可以是一个码元，也可以是两个码元。

字符串的length属性返回的是码元。所以在对一些字符串如果要处理长度的时候要注意这一点。

𠮷 这个字的Unicode编码是 \ud842\udfb7，占用了两个码元。

所以当用charCodeAt(0)是匹配0位的码元，也就是返回给我们55362。

当用codePointAt(0)是匹配0位的码元，codePointAt能识别出字符串的码点，所以反回134071，反之将直接返回在那个索引处的编码单元

𠮷.codePointAt(1)为什么返回的是57271呢？

这是因为索引位是根据码元，而匹配的规则是根据码点的规则。如果后面两位码元是一个码点，就会当作一个码点来处理。

总结

charCodeAt是以码元为单位来处理的，也就是说按照每16位2进制数为单位。一个16位2进制数就是一位，所以处理不了Unicode扩展编码字符（32位2进制）。他会把32位2进制数当成两个16位2进制数处理

codePointAt也是以码元位单位来处理的。与charCodeAt不同的地方是，当处理到当前位码元时，如果超过了16位2进制数值的上线，他就明白这是一个32位2进制数，就会以32位2进制数当作一个来处理。

可以通过codePointAt来判断当前字符是是32位的(俩个码元)还是16位的（单个码元）

function is32bit(char, i) {
    //如果码点大于了16位二进制的最大值，则其是32位的
    return char.codePointAt(i) > 0xffff;
}

同样的，也可以通过这个方法来判断以字符串真实的长度（码点的长度）

function getLengthOfCodePoint(str) {
    var len = 0;
    for (let i = 0; i < str.length; i++) {
        //i在索引码元
        if (is32bit(str, i)) {
            //当前字符串，在i这个位置，占用了两个码元
            i++;
        }
        len++;
    }
    return len;
}

转自：
https://www.cnblogs.com/yongG/p/12153646.html

最后编辑于：2022.04.01 10:59:49