JavaScript字符串基于UTF-16编码，需用codePointAt和fromCodePoint处理辅助平面字符，遍历时使用扩展操作符或Array.from以正确识别emoji等字符。
JavaScript中的字符串基于Unicode标准，每个字符以UTF-16编码格式存储。理解这一点对正确处理特殊字符、表情符号（emoji）、以及跨语言文本至关重要。本文将介绍JavaScript中字符串与Unicode的关系，常见编码转换方法及实际应用技巧。
Unicode与JavaScript字符串基础
JavaScript引擎内部使用UTF-16表示字符串。这意味着大多数常见字符占用2个字节（即一个16位码元），但部分字符（如 emoji 或某些生僻汉字）属于“辅助平面”，需要两个码元（称为代理对 surrogate pair）来表示。
例如，字符 ? 是一个位于辅助平面的汉字，它的Unicode码点是 U+20BB7。在JavaScript中：
'?'.length // 结果是 2'?'[0] // 返回空或乱码（实际为高代理）
'?'[1] // 返回低代理
这是因为 ? 被拆分为两个16位码元。要正确识别这类字符，应使用ES6提供的迭代方式：
立即学习“Java免费学习笔记（深入）”；
[...'?'] // ['?']，长度为1Array.from('?') // 同上，安全遍历
码点与编码转换方法
JavaScript提供多种方法用于获取字符的Unicode码点或从码点生成字符：
- String.fromCharCode()：将码元值转为字符，仅适用于基本多文种平面（BMP），不支持四字节字符。
- String.fromCodePoint()：支持任意Unicode码点，包括辅助平面。
- String.charCodeAt()：返回指定位置的16位码元值，无法直接获取完整码点。
- String.codePointAt()：可正确读取代理对对应的完整码点。
示例对比：
String.fromCodePoint(0x20BB7) // 正确结果："?"
'?'.charCodeAt(0) // 55362（高代理）
'?'.codePointAt(0) // 134071（即 0x20BB7）
Base64与UTF-8编码转换
浏览器环境提供了 btoa 和 atob 函数用于Base64编解码，但它们只接受单字节字符（Latin-1）。直接传入含中文或 emoji 的字符串会报错。
要实现真正的UTF-8 Base64转换，需手动编码：
// 字符串 → Base64（支持UTF-8） function utf8ToBase64(str) { return btoa(encodeURIComponent(str).replace(/%([0-9A-F]{2})/g, (match, hex) => String.fromCharCode(parseInt(hex, 16)))); } // Base64 → 字符串（还原UTF-8） function base64ToUtf8(base64) { return decodeURIComponent(Array.from(atob(base64)).map(c => '%' + c.charCodeAt(0).toString(16).padStart(2, '0')).join('')); }使用示例：
utf8ToBase64('你好 ?') // "JUU0JUJEJUEwJUU1JUE1JUJEICVFMyVCOCVCRQ==" base64ToUtf8("JUU0JUJEJUEwJUU1JUE1JUJEICVFMyVCOCVBRQ==") // "你好 ?"实用建议与注意事项
处理Unicode字符串时，注意以下几点：
- 避免使用
.length判断字符数量，改用[...str].length或Array.from(str).length获取真实字符数。 - 遍历字符串时优先使用
for...of或Array.from()，确保代理对被整体处理。 - 涉及网络传输或存储时，统一使用UTF-8编码，并配合
TextEncoder/TextDecoderAPI 更加高效安全。 -
正则表达式中可使用
u标志启用完整Unicode支持，如/^\p{Emoji}$/u匹配单个emoji。
基本上就这些。掌握Unicode机制能避免乱码、计数错误等常见问题，让字符串处理更稳健可靠。
