你所不知道的charCodeAt与codePointAt（了解js字符串的码元与码点）

Posted 2020-11-24 yongg

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：

　　

 

 

 　   可以发现一个非常神奇的事情。

　　有些中文字符?? 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。

　　有人说念‘gei给’，有人说念‘ji‘同吉，反正是个古文字

　　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一个字节。

　　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2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。　　

 

　　??这个字的Unicode编码是ud842udfb7，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。

　　

　　??.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位的码点还是16位的码元

 

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;
}