是否将JavaScript字符串拆分为码点数组？(考虑“代理对”，但不考虑“字素簇”)
将JavaScript字符串拆分成“字符”很简单，但是如果你关心Unicode (而且你应该关心Unicode)，就会有问题。
JavaScript本机将字符视为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)。
根据您的需要，按codepoint拆分可能还不够，您可能想要按"grapheme cluster“拆分，其中集群是一个基础代码点，后面跟着它的所有非间距修饰符代码点，如combining accents and diacritics。
出于此问题的目的，我不需要按字素簇进行拆分。
回答 4
Stack Overflow用户
发布于 2017-03-04 22:03:02
@bobince的答案(幸运的是)有点过时了；你现在可以简单地使用
var chars = Array.from( text )以获取单代码点字符串的列表，该字符串符合astral /32位/代理Unicode字符。
Stack Overflow用户
发布于 2018-09-27 06:51:59
按照@John Frazer的回答，可以使用这种更简洁的字符串迭代形式：
const chars = [...text]例如，使用：
const text = 'A\uD835\uDC68B\uD835\uDC69C\uD835\uDC6A'
const chars = [...text] // ["A", "", "B", "", "C", ""]Stack Overflow用户
发布于 2014-01-28 23:03:31
在ECMAScript 6中，您可以使用字符串作为迭代器来获取代码点，也可以在字符串中搜索/./ug，也可以重复调用getCodePointAt(i)。
不幸的是，for..of语法和正则表达式标志不能是多填充的，而且调用多填充的getCodePoint()会非常慢(O(n²))，所以我们暂时还不能实际地使用这种方法。
因此，请手动执行以下操作：
String.prototype.toCodePoints= function() {
chars = [];
for (var i= 0; i<this.length; i++) {
var c1= this.charCodeAt(i);
if (c1>=0xD800 && c1<0xDC00 && i+1<this.length) {
var c2= this.charCodeAt(i+1);
if (c2>=0xDC00 && c2<0xE000) {
chars.push(0x10000 + ((c1-0xD800)<<10) + (c2-0xDC00));
i++;
continue;
}
}
chars.push(c1);
}
return chars;
}有关这方面的相反情况，请参阅https://stackoverflow.com/a/3759300/18936
https://stackoverflow.com/questions/21397316
复制相似问题
腾讯云开发者
