js 实现 unicode

Unicode 编码与解码

在 JavaScript 中，Unicode 可以通过多种方式处理和转换。以下是常见的 Unicode 操作方法：

字符串直接使用 Unicode 转义序列

JavaScript 字符串支持 Unicode 转义序列，格式为 \uXXXX（4 位十六进制）或 \u{XXXXXX}（1-6 位十六进制）：

const str1 = '\u0041'; // "A"
const str2 = '\u{1F600}'; // "😀"

获取字符的 Unicode 码点

使用 charCodeAt() 获取 UTF-16 编码单元（适用于 BMP 字符），或 codePointAt() 获取完整 Unicode 码点：

'😀'.charCodeAt(0); // 返回 55357（高位代理）
'😀'.codePointAt(0); // 返回 128512（完整码点）

从码点生成字符

使用 String.fromCharCode()（适用于 BMP 字符）或 String.fromCodePoint()：

String.fromCharCode(65); // "A"
String.fromCodePoint(128512); // "😀"

字符串与 Unicode 编码互转

通过 escape()/unescape()（已弃用）或手动实现编码转换：

// 编码为 Unicode 转义序列
function encodeUnicode(str) {
  return Array.from(str).map(c => 
    `\\u${c.codePointAt(0).toString(16).padStart(4, '0')}`
  ).join('');
}

// 解码 Unicode 转义序列
function decodeUnicode(str) {
  return str.replace(/\\u([\dA-F]{4})/gi, (_, hex) => 
    String.fromCodePoint(parseInt(hex, 16))
  );
}

UTF-8 编码转换

如需处理 UTF-8 字节序列，可使用 TextEncoder 和 TextDecoder API：

const encoder = new TextEncoder();
const decoder = new TextDecoder();

const utf8Bytes = encoder.encode('你好'); // Uint8Array
const originalStr = decoder.decode(utf8Bytes); // "你好"

正则表达式与 Unicode

使用 u 标志启用 Unicode 模式，正确处理代理对和 Unicode 属性：

/^\u{1F600}$/u.test('😀'); // true
/\p{Emoji}/u.test('👍'); // true（需支持 ES2018）

注意事项

• BMP（基本多文种平面）字符使用 4 位十六进制表示（\uXXXX），非 BMP 字符需使用 \u{XXXXXX} 或代理对。
• codePointAt() 和 fromCodePoint() 是处理非 BMP 字符的推荐方法。
• 浏览器环境下 escape()/unescape() 可能表现不一致，建议避免使用。