javascript 中 charcode 中的 Unicode 字符 for charcodes > 0xFFFF

Question

我需要从 unicode 字符代码获取字符串/字符，最后将其放入 DOM TextNode 中，以使用客户端 JavaScript 添加到 HTML 页面中。

目前，我正在做：

String.fromCharCode(parseInt(charcode, 16));

其中charcode是包含charcode的十六进制字符串，例如“1D400”。应该返回的unicode字符是

Answer 1

String.fromCharCode 只能处理BMP 中的代码点（即最大U+FFFF）。为了处理更高的代码点，可以使用 Mozilla 开发者网络 的此函数返回代理对表示：

function fixedFromCharCode (codePt) {
    if (codePt > 0xFFFF) {
        codePt -= 0x10000;
        return String.fromCharCode(0xD800 + (codePt >> 10), 0xDC00 + (codePt & 0x3FF));
    } else {
        return String.fromCharCode(codePt);
    }
}

Answer 2

问题是 JavaScript 中的字符是（大部分）UCS-2 编码，但可以表示一个字符在 JavaScript 中的基本多语言平面之外作为 UTF-16 代理对。

以下函数改编自 将带有破折号字符的 punycode 转换为 Unicode：

function utf16Encode(input) {
    var output = [], i = 0, len = input.length, value;
    while (i < len) {
        value = input[i++];
        if ( (value & 0xF800) === 0xD800 ) {
            throw new RangeError("UTF-16(encode): Illegal UTF-16 value");
        }
        if (value > 0xFFFF) {
            value -= 0x10000;
            output.push(String.fromCharCode(((value >>>10) & 0x3FF) | 0xD800));
            value = 0xDC00 | (value & 0x3FF);
        }
        output.push(String.fromCharCode(value));
    }
    return output.join("");
}

alert( utf16Encode([0x1D400]) );

Answer 3

EcmaScript 语言规范第 8.4 节说

当字符串包含实际文本数据时，每个元素都被视为单个 UTF-16 代码单元。无论这是否是字符串的实际存储格式，字符串中的字符均按其初始代码单元元素位置进行编号，就像使用 UTF-16 表示一样。对字符串的所有操作（除非另有说明）都将它们视为无差别的 16 位无符号整数序列；它们不确保生成的字符串采用规范化形式，也不确保对语言敏感的结果。

因此，您需要将补充代码点编码为 UTF-16 代码单元对。

文章“Java 平台中的增补字符” 很好地描述了如何执行此操作。

UTF-16 使用一或两个无符号 16 位代码单元的序列来对 Unicode 代码点进行编码。值 U+0000 至 U+FFFF 被编码在具有相同值的 16 位单元中。增补字符以两个代码单元进行编码，第一个来自高代理范围（U+D800 到 U+DBFF），第二个来自低代理范围（U+DC00 到 U+DFFF）。这在概念上看起来与多字节编码相似，但有一个重要的区别：U+D800 到 U+DFFF 的值保留用于 UTF-16；没有字符被分配给它们作为代码点。这意味着，软件可以判断字符串中的每个单独的代码单元是否表示一个单元字符，或者它是否是双单元字符的第一个或第二个单元。与某些传统的多字节字符编码相比，这是一个重大改进，其中字节值 0x41 可能表示字母“A”或者是双字节字符的第二个字节。

下表显示了几个字符的不同表示形式的比较：

代码点/UTF-16 代码单元

U+0041 / 0041

U+00DF / 00DF

U+6771 / 6771

U+10400 / D801 DC00

了解 UTF-16 后代码单元，您可以使用 javascript 函数 String.fromCharCode 创建字符串：

String.fromCharCode(0xd801, 0xdc00) === '

Answer 4

String.fromCodePoint() 似乎也能做到这一点。请参阅此处。

console.log(String.fromCodePoint(0x1D622, 0x1D623, 0x1D624, 0x1D400));

输出：