如何使一个字符跳出基本的多语言平面？

Question

对于基本多语言平面中的字符，我们可以使用'\uxxxx‘对其进行转义。例如，您可以使用/\u4e00-\u9fff/匹配常用中文字符(0x4e00-0x9fff是CJK统一表意文字的范围)。

但对于基本多语种平面外的字符，其编码大于0xffff。因此您不能使用格式'\uxxxx‘对其进行转义，因为'\u20000’表示字符'\u2000‘和字符'0'，而不是代码为0x20000的字符。

如何将字符转义出基本的多语言平面？直接使用这些字符不是一个好主意，因为它们不能在大多数字体中显示。

Answer 1

您可以使用一对转义的代理代码点，如@duskwuff的答案中所述。您可以使用my Full Unicode input utility来获取符号(按钮“Show\u”)，或者使用Fileformat.info character search来查找它们(项“C/C++/Java源代码”，因为JavaScript在这里使用了相同的符号)。

或者，您可以直接输入字符：“您可以将非BMP字符这样输入到JavaScript代码中的字符串文字中，无论是在单独的文件中还是作为嵌入在HTML中。当然，您需要在所使用的编辑器中提供适当的Unicode支持。但是JavaScript实现不需要在程序源中支持非BMP字符。它们可能会，而且现代浏览器实现通常都是这样的。(使用JavaScript和Globalize.js走向全球，第177页)有一些注意事项，比如正确声明字符编码。

字体支持是一个不同的问题，但在处理字符时，您通常希望在某个时候看到它们，至少在测试中是这样。因此，您或多或少需要一些覆盖字符的字体。Fileformat.info页面还包含指向浏览器支持信息(如(U+20000) Font Support )的链接，这是一个很好的起点，但还不够完整。例如，在模拟SimSun ExtB中也支持U+20000 ''

Answer 2

BMP之外的字符不能被Javascript直接识别--它们在内部表示为UTF-16代理对。例如，您提到的字符U+20000 (当前分配给"CJK统一表意文字分机B")表示为代理项对U+D840 U+DC00。作为一个Javascript字符串，这将是简单的"\u2840\uDC00"。(请注意，此字符串的s.length为2，即使它显示为单个字符。)

Wikipedia has details on the encoding scheme used.

Answer 3

有趣的问题。

现在我们有了ES6、we can do this

let newSpeak = '\u{1F4A9}'

注意，在内部，它仍然是带有surrogate pairs的UTF-16

newSpeak.length === 2 // "wrong"
[...newSpeak].length === 1
newSpeak === '\uD83D\uDCA9'

Unicode is huge。

而且，这不仅仅是字面上的：

newSpeak.charCodeAt(0) === 0xD83D // "wrong"
newSpeak.codePointAt(0) === 0x1F4A9

String.fromCharCode(0x1F4A9) !== newSpeak
String.fromCodePoint(0x1F4A9) === newSpeak

for (let i = 0; i < newSpeak.length; i++) console.log(newSpeak[i]) // "wrong"
for (let c of newSpeak) console.log(c)

[...''].map(c => `__${c}`).join('') === "____"

I�处理Unicode。