JavaScript字符串处理_Unicode与编码转换-js教程-PHP中文网

JavaScript字符串处理_Unicode与编码转换

夜晨

发布： 2025-11-28 18:07:25

原创

302人浏览过

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字符串处理_unicode与编码转换

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1
Array.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：

字符串处理类：将GBK，UTF8字符串转化为Unicode编码的php类库

151

查看详情

String.fromCharCode(0x20BB7) // 错误结果："ஷ"
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 ?"