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 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;
}