javascript - 将 Unicode 字符转换为十六进制会导致额外字节

Question

这是我用来转义多字节 unicode 字符的代码。

let sample = '1F3C4-1F3FB-200D-2640-FE0F'; //🏄🏻‍♀️
let characters = String.fromCodePoint(...sample.split('-').map(code => parseInt(code, 16)));
let codes = '';
for(let i=0;i<characters.length;i++){
    codes += (i === 0 ? '' : '-') + characters.codePointAt(i).toString(16).toUpperCase();
}
console.log(codes); //1F3C4-DFC4-1F3FB-DFFB-200D-2640-FE0F

从示例中可以看出，转换会导致结果中出现 2 个额外字节。

我的代码有什么问题吗？我该如何修复它？

Answer 1

显然，codePointAt函数给出“一个表示给定索引处字符的代码单元值的数字”。但是，该索引与 charCodeAt 相同。 ，因此如果该索引位于代理对的中间(例如 \uD83C\uDFC4 代表 \u{1F3C4} )，则它只会给出代理对的后半部分。

您可以在输出中看到这一点，因为额外的字符出现在两个具有代理项对的字符(U+1xxxx字符)之后，并且它们是其前面的代理项对的后半部分。

如果您使用的是 ES6，则可以使用展开运算符来拆分 unicode 字符(同时不拆分代理项对，如 <em>string</em>.split() 那样):

const string = "\u{1F3C4}\u{1F3FB}\u200D\u2640\uFE0F";
console.log(string); // 🏄🏻‍♀️

const codes = [ ...string ].map(ch =>
  ch.codePointAt(0).toString(16).toUpperCase()
).join('-');
console.log(codes); // 1F3C4-1F3FB-200D-2640-FE0F