JavaScript字符串以UTF-16存储，BMP字符占2字节，扩展字符用代理对占4字节；需用Array.from获取真实字符数，如'????'.length为8但实际为1个字符。
JavaScript 中的字符串操作经常涉及 Unicode 和编码转换，尤其是在处理多语言文本、特殊符号或网络传输时。理解这些机制能帮助开发者避免乱码、解析错误等问题。下面介绍几个关键点和实用技巧。
Unicode 基础与 JavaScript 字符串
JavaScript 字符串以 UTF-16 编码存储，每个字符通常占用 2 个字节（16 位）。对于基本多文种平面（BMP）中的字符（U+0000 到 U+FFFF），可以直接表示。超出此范围的字符（如一些 emoji 或罕见汉字）使用代理对（surrogate pair）表示，占 4 个字节。
你可以用 \u 表示 Unicode 字符：
\u0041 // 输出 'A'\u{1F600} // 输出 ?，注意大括号用于扩展 Unicode
要安全获取字符串中真实字符数量（包括 emoji 等），应使用 Array.from() 或展开语法：
立即学习“Java免费学习笔记（深入）”；
Array.from('????').length // 返回 1（正确）'????'.length // 返回 8（错误，因代理对和组合字符）
编码转换：UTF-8 与 Base64
浏览器环境提供了 TextEncoder 和 TextDecoder 来处理 UTF-8 编码转换：
const decoder = new TextDecoder('utf-8');
const bytes = encoder.encode('你好 world');
decoder.decode(bytes); // 恢复为 '你好 world'
在网络传输或存储中，常需将二进制数据转为 Base64。虽然浏览器原生支持 btoa 和 atob，但它们只支持单字节字符（ASCII），不能直接处理 Unicode 字符串。
正确做法是先转为 UTF-8 字节流再编码：
function unicodeToBase64(str) {const utf8Bytes = new TextEncoder().encode(str);
let binary = '';
utf8Bytes.forEach(byte => { binary += String.fromCharCode(byte); });
return btoa(binary);
}
function base64ToUnicode(base64) {
const binary = atob(base64);
const bytes = new Uint8Array(binary.length);
for (let i = 0; i bytes[i] = binary.charCodeAt(i);
}
return new TextDecoder().decode(bytes);
}
检测与处理代理对
某些字符（如 ?、?）由两个代理字符组成。若未正确处理，可能导致截断错误或显示异常。
判断一个字符是否为代理对的一部分：
function isSurrogatePair(charCode) {return charCode >= 0xD800 && charCode }
遍历字符串时推荐使用 for...of，它会自动识别代理对和组合字符：
for (const ch of 'Hello ?') {console.log(ch); // 每次输出一个完整字符
}
实用技巧总结
- 使用 Array.from(str) 或 [...str] 获取准确字符数组
- 处理非 ASCII 文本时，优先使用 TextEncoder/TextDecoder
- 避免直接使用 atob/btoa 处理中文或 emoji，需先转 UTF-8 字节流
- 字符串截取建议使用 String.prototype.slice 配合正确认知长度，或借助库如 grapheme-splitter
- 正则表达式中可使用 \u{xxxxx} 匹配扩展 Unicode 字符（需加 u 标志）
基本上就这些。掌握 Unicode 特性能让字符串操作更稳健，尤其在国际化项目中尤为重要。不复杂但容易忽略细节。
