javascript - 如何使用带有特殊 unicode 字符的子字符串？

Question

var string = "abc𝑚";
var lastchar = string.substr(string.length - 1);
console.log(lastchar);

这回来了？而不是𝑚

Answer 1

在 JavaScript 中，字符串是一系列 UTF-16 代码单元(详细信息在 my blog post What is a string? 中)。在 UTF-16 中，最后一个字形(松散地称为“字符”)需要两个代码单元(它们组合成一个代码点)，因此您的字符串长度为 5。
在 ES2015 之前，JavaScript 中并没有太多内置功能可以帮助您解决此问题，但是当引入可迭代性时，字符串变成了可迭代的，并且它们迭代其代码点，而不是代码单元。传播操作使用迭代，因此您可以将该字符串传播到一个数组中以获取其代码点:

const string = "abc𝑚";
console.log(string.length); // 5
const chars = [...string];
console.log(chars.length);  // 4
const lastchar = chars.slice(chars.length - 1).join("");
console.log(lastchar);

这只是演示区别以及如何相当轻松地使用代码点的示例。
甚至代码点也不一定是字形，因为一些代码点与其他代码点结合形成一个字形。 (例如，在 Devanagari 中，该语言的单词是“देवनागरी”，对于 native 读者来说，它看起来像五个字形，但实际上是八个代码点，因为其中一些是用一个由元音代码点修改的基本音节字形编写的.) 有一个新的 Intl.Segmenter 正在开发中，这也将有助于解决这些情况。