40

BMP 是基本多语言平面

根据JavaScript: The Good Parts：

JavaScript 是在 Unicode 是 16 位字符集的时候构建的，因此 JavaScript 中的所有字符都是 16 位宽。

这让我相信 JavaScript 使用 UCS-2（不是 UTF-16！）并且只能处理 U+FFFF 以内的字符。

进一步的调查证实了这一点：

> String.fromCharCode(0x20001);

该fromCharCode方法在返回 Unicode 字符时似乎只使用最低 16 位。尝试获取 U+20001（CJK 统一表意文字 20001）会返回 U+0001。

问题：是否可以在 JavaScript 中处理后 BMP 字符？

2011-07-31：从Unicode Support Shootout: The Good, The Bad, & the (mostly) Ugly 中的第12 张幻灯片很好地涵盖了与此相关的问题：

4

5 回答 5

36

取决于您所说的“支持”是什么意思。您当然可以使用代理将非 UCS-2 字符放入 JS 字符串中，如果可以，浏览器会显示它们。

但是，JS 字符串中的每个项目都是一个单独的 UTF-16 代码单元。处理完整字符没有语言级别的支持：所有标准 String 成员（length,split等slice）都处理代码单元而不是字符，因此很乐意拆分代理对或保存无效的代理序列。

如果您想要代理感知方法，恐怕您将不得不自己开始编写它们！例如：

String.prototype.getCodePointLength= function() {
    return this.length-this.split(/[\uD800-\uDBFF][\uDC00-\uDFFF]/g).length+1;
};

String.fromCodePoint= function() {
    var chars= Array.prototype.slice.call(arguments);
    for (var i= chars.length; i-->0;) {
        var n = chars[i]-0x10000;
        if (n>=0)
            chars.splice(i, 1, 0xD800+(n>>10), 0xDC00+(n&0x3FF));
    }
    return String.fromCharCode.apply(null, chars);
};
于 2010-09-21T10:16:11.347 回答
2

我得出了和bobince一样的结论。如果您想使用包含 BMP 之外的 unicode 字符的字符串，则必须重新实现 javascript 的 String 方法。这是因为 javascript 将字符计为每个 16 位代码值。BMP 之外的符号需要两个代码值来表示。因此，您会遇到一些符号计为两个字符而某些符号仅计为一个的情况。

我重新实现了以下方法，将每个 unicode 代码点视为单个字符：.length、.charCodeAt、.fromCharCode、.charAt、.indexOf、.lastIndexOf、.splice 和 .split。

您可以在 jsfiddle 上查看：http: //jsfiddle.net/Y89Du/

这是没有注释的代码。我测试了它，但它可能仍然有错误。欢迎评论。

if (!String.prototype.ucLength) {
    String.prototype.ucLength = function() {
        // this solution was taken from 
        // http://stackoverflow.com/questions/3744721/javascript-strings-outside-of-the-bmp
        return this.length - this.split(/[\uD800-\uDBFF][\uDC00-\uDFFF]/g).length + 1;
    };
}

if (!String.prototype.codePointAt) {
    String.prototype.codePointAt = function (ucPos) {
        if (isNaN(ucPos)){
            ucPos = 0;
        }
        var str = String(this);
        var codePoint = null;
        var pairFound = false;
        var ucIndex = -1;
        var i = 0;  
        while (i < str.length){
            ucIndex += 1;
            var code = str.charCodeAt(i);
            var next = str.charCodeAt(i + 1);
            pairFound = (0xD800 <= code && code <= 0xDBFF && 0xDC00 <= next && next <= 0xDFFF);
            if (ucIndex == ucPos){
                codePoint = pairFound ? ((code - 0xD800) * 0x400) + (next - 0xDC00) + 0x10000 : code;
                break;
            } else{
                i += pairFound ? 2 : 1;
            }
        }
        return codePoint;
    };
}

if (!String.fromCodePoint) {
    String.fromCodePoint = function () {
        var strChars = [], codePoint, offset, codeValues, i;
        for (i = 0; i < arguments.length; ++i) {
            codePoint = arguments[i];
            offset = codePoint - 0x10000;
            if (codePoint > 0xFFFF){
                codeValues = [0xD800 + (offset >> 10), 0xDC00 + (offset & 0x3FF)];
            } else{
                codeValues = [codePoint];
            }
            strChars.push(String.fromCharCode.apply(null, codeValues));
        }
        return strChars.join("");
    };
}

if (!String.prototype.ucCharAt) {
    String.prototype.ucCharAt = function (ucIndex) {
        var str = String(this);
        var codePoint = str.codePointAt(ucIndex);
        var ucChar = String.fromCodePoint(codePoint);
        return ucChar;
    };
}

if (!String.prototype.ucIndexOf) {
    String.prototype.ucIndexOf = function (searchStr, ucStart) {
        if (isNaN(ucStart)){
            ucStart = 0;
        }
        if (ucStart < 0){
            ucStart = 0;
        }
        var str = String(this);
        var strUCLength = str.ucLength();
        searchStr = String(searchStr);
        var ucSearchLength = searchStr.ucLength();
        var i = ucStart;
        while (i < strUCLength){
            var ucSlice = str.ucSlice(i,i+ucSearchLength);
            if (ucSlice == searchStr){
                return i;
            }
            i++;
        }
        return -1;
    };
}

if (!String.prototype.ucLastIndexOf) {
    String.prototype.ucLastIndexOf = function (searchStr, ucStart) {
        var str = String(this);
        var strUCLength = str.ucLength();
        if (isNaN(ucStart)){
            ucStart = strUCLength - 1;
        }
        if (ucStart >= strUCLength){
            ucStart = strUCLength - 1;
        }
        searchStr = String(searchStr);
        var ucSearchLength = searchStr.ucLength();
        var i = ucStart;
        while (i >= 0){
            var ucSlice = str.ucSlice(i,i+ucSearchLength);
            if (ucSlice == searchStr){
                return i;
            }
            i--;
        }
        return -1;
    };
}

if (!String.prototype.ucSlice) {
    String.prototype.ucSlice = function (ucStart, ucStop) {
        var str = String(this);
        var strUCLength = str.ucLength();
        if (isNaN(ucStart)){
            ucStart = 0;
        }
        if (ucStart < 0){
            ucStart = strUCLength + ucStart;
            if (ucStart < 0){ ucStart = 0;}
        }
        if (typeof(ucStop) == 'undefined'){
            ucStop = strUCLength - 1;
        }
        if (ucStop < 0){
            ucStop = strUCLength + ucStop;
            if (ucStop < 0){ ucStop = 0;}
        }
        var ucChars = [];
        var i = ucStart;
        while (i < ucStop){
            ucChars.push(str.ucCharAt(i));
            i++;
        }
        return ucChars.join("");
    };
}

if (!String.prototype.ucSplit) {
    String.prototype.ucSplit = function (delimeter, limit) {
        var str = String(this);
        var strUCLength = str.ucLength();
        var ucChars = [];
        if (delimeter == ''){
            for (var i = 0; i < strUCLength; i++){
                ucChars.push(str.ucCharAt(i));
            }
            ucChars = ucChars.slice(0, 0 + limit);
        } else{
            ucChars = str.split(delimeter, limit);
        }
        return ucChars;
    };
}
于 2013-02-01T07:19:35.427 回答
1

最近的 JavaScript 引擎有.String.fromCodePoint

const ideograph = String.fromCodePoint( 0x20001 ); // outside the BMP

还有一个代码点迭代器，它可以为您提供代码点长度。

function countCodePoints( str )
{
    const i = str[Symbol.iterator]();
    let count = 0;
    while( !i.next().done ) ++count;
    return count;
}

console.log( ideograph.length ); // gives '2'
console.log( countCodePoints(ideograph) ); // '1'
于 2017-12-24T19:46:41.210 回答
0

是的你可以。尽管根据 ECMAScript 标准，直接在源文档中支持非 BMP 字符是可选的，但现代浏览器允许您使用它们。自然，必须正确声明文档编码，并且对于大多数实际目的，您需要使用 UTF-8 编码。此外，您需要一个可以处理 UTF-8 的编辑器，并且您需要一些输入法；例如，请参阅我的完整 Unicode 输入实用程序。

使用合适的工具和设置，您可以编写var foo = ''.

非 BMP 字符将在内部表示为代理对，因此每个非 BMP 字符在字符串长度中计为 2。

于 2012-12-10T07:26:00.003 回答
0

使用for (c of this)指令，可以对包含非 BMP 字符的字符串进行各种计算。例如，要计算字符串长度，并获取字符串的第 n 个字符：

String.prototype.magicLength = function()
{
    var c, k;
    k = 0;
    for (c of this) // iterate each char of this
    {
        k++;
    }
    return k;
}

String.prototype.magicCharAt = function(n)
{
    var c, k;
    k = 0;
    for (c of this) // iterate each char of this
    {
        if (k == n) return c + "";
        k++;
    }
    return "";
}
于 2018-11-25T20:24:52.370 回答