如何在javascript中使用emojis计算字符串的正确长度？

Question

我有个小问题。

我使用NodeJS作为后端。现在，用户有一个字段“传记”，用户可以写一些关于他自己的东西。

假设这个字段的最大长度为220，并将其作为输入：

‍♀️‍♀️‍♀️‍♀️‍♀️‍♀️‍⚕️‍⚕️‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍ 

如您所见，没有220个表情符号(37个表情符号)，但如果我在我的nodejs服务器中这样做的话

console.log(bio.length)

生物是输入文字的地方，我得到221。如何“解析”字符串输入以获得正确的长度？这是unicode的问题吗？

解决了

我使用了这个库：https://github.com/orling/grapheme-splitter

我试过了：

var Grapheme = require('grapheme-splitter');
var splitter = new Grapheme();
console.log(splitter.splitGraphemes(bio).length);

长度是37。它工作得很好！

Answer 1

1. str.length给出UTF-16单位的计数.
2. 在码点(以字符为单位)中获得字符串长度的方法是[...str].length，因为可迭代协议将字符串拆分为编码点。
3. 如果我们需要图形素(字形素簇)中的长度，我们有以下几种本地方式： a. Unicode属性在RegExp中转义。例如，参见：Unicode感知版本\w或匹配表情符号。 Intl.Segmenter --很快就要来了，可能在ES2021.可以在上一个V8版本中使用标志进行测试(实现与V8 86中的最后一个规范同步)。在V8 87中不加标记(发运)。

另请参阅：

• 每个软件开发人员绝对、积极的绝对最低限度必须了解Unicode和字符集(没有借口！)
• 关于Unicode，每个JavaScript开发人员应该知道什么？
• JavaScript有一个Unicode问题
• 在ES2015中识别Unicode的正则表达式
• 深度ES6字符串(以及Unicode，❤)
• JavaScript适用于不耐烦的程序员。Unicode简介

Answer 2

TL;DR有解决方案，但它们并不是在每种情况下都有效。Unicode可以感觉像一种黑暗的艺术。

我看到的各种解决方案似乎都有局限性，问题超出了表情符号的范围，涵盖了Unicode范围内的其他字符。如果使用精梳字符，则可以将“考虑”存储为“或e+”。这甚至可能导致两个字符串看起来相同的不平等。还要注意，在某些情况下，单个表情符号在存储时可以是11个字符，假设为UTF16，结果是22个字节。

处理这种情况的方式以及字符组合或显示的方式，在浏览器和操作系统之间甚至可能有所不同。因此，虽然你可能认为你破解了它，但另一种环境有可能破坏它。一定要在重要的地方进行测试。

现在，有一个前端和后端的问题:您解决了字符计数问题，因此它对人类用户很好地工作，现在您的单个表情符号吹过了数据库中分配的字段大小。对于诸如mongo这样的数据库，问题较少，但在SQL数据库中，字段分配是保守的。这意味着如何解决问题将取决于最困难的限制来自哪里。

请注意，基本解决方案确实涉及将字符串转换为数组并获取长度，并接受限制：

Array.from(str)

当字符被组合并处理星体面时，这将分崩离析。

考虑到限制因素的一些高级别办法：

• 尽可能使用解决前端问题的方法，然后确保存储问题得到解决。
• 如果数据库或其他存储无法调整，则对广告中的前端限制要更加保守。
• 限制可输入的字符类型
• 明确指出长度计算的限制

此外，考虑到问题的复杂性，如果有一个流行的JS库已经处理了这个问题，那么它可能值得一看吗？在撰写本报告时，我没有找到一个。希望这在某一时刻成为Javascript的核心。

供阅读的其他页：

• https://blog.jonnew.com/posts/poo-dot-length-equals-two
• https://mathiasbynens.be/notes/javascript-unicode
• https://www.contentful.com/blog/2016/12/06/unicode-javascript-and-the-emoji-family/
• https://dmitripavlutin.com/what-every-javascript-developer-should-know-about-unicode/

Answer 3

我回答了一个类似的问题，这里

但基本上，这里是：

''.match(/./gu).length == 1

作为：

''.length == 2

在我最初的文章中更精确