javascript - 将 JavaScript 字符串拆分为代码点数组？ (考虑到 "surrogate pairs"但不是 "grapheme clusters")

Question

将 JavaScript 字符串拆分为“字符”可以轻松完成，但如果您关心 Unicode(并且您应该关心 Unicode)，就会出现问题。

JavaScript native 将字符视为 16 位实体 (UCS-2 or UTF-16)，但这不允许 BMP (Basic Multilingual Plane) 之外的 Unicode 字符.

要处理 BMP 之外的 Unicode 字符，JavaScript 必须考虑“surrogate pairs”，而它本身并不这样做。

我正在寻找如何按代码点拆分 js 字符串，代码点是否需要一个或两个 JavaScript“字符”(代码单元)。

根据自己的需要，按codepoint拆分可能还不够，您可能希望按“grapheme cluster”拆分，其中簇是一个基本代码点，后跟所有非间距修饰符代码点，例如 combining accents and diacritics .

出于这个问题的目的，我不需要按字素簇进行拆分。

Answer 1

@bobince 的回答(幸运的是)变得有点过时了；你现在可以简单地使用

var chars = Array.from( text )

获取符合 astral/32bit/surrogate Unicode 字符的单代码点字符串列表。