如何從基本多語言平面中逃離角色？

對於基本多語言平面中的字符，我們可以使用'\ uxxxx'轉義它。例如，您可以使用/ [\ u4e00- \ u9fff] /來匹配一個普通的中文字符（0x4e00-0x9fff是CJK Unified Ideographs的範圍）。如何從基本多語言平面中逃離角色？

但是對於超出基本多語言平面的字符，它們的代碼大於0xffff。所以你不能使用格式'\ uxxxx'來轉義它，因爲'\ u20000'表示字符'\ u2000'和字符'0'，而不是代碼是0x20000的字符。

如何從基本多語言平面中轉義字符？直接使用這些字符不是一個好主意，因爲它們不能以大多數字體顯示。

來源

2012-11-02 user805627

@millimoose呃，但這個問題是關於** javascript **，而不是java。 – user805627

哎呀，我的壞。（儘管如此，你可能已經被搞砸了;如果不是更多的話） – millimoose

相關：[BMP以外的JavaScript字符串]（http://stackoverflow.com/questions/3744721/javascript-strings-outside-of-the -BMP） – millimoose

您可以使用一對逃脫代理碼點的，如@ duskwuff的答案描述。您可以使用我的Full Unicode input utility來獲取符號（按鈕「Show \ u」），或使用Fileformat.info character search找到它們（項目「C/C++/Java源代碼」，因爲JavaScript在此使用相同的符號）。

或者，你可以直接輸入的字符：「你可以在你的JavaScript代碼輸入非BMP字符這樣成字符串字面量，無論是在一個單獨的文件或嵌入在HTML中。自然地，您需要在您使用的編輯器中提供合適的Unicode支持。但JavaScript實現不需要支持程序源中的非BMP字符。他們可能會和現代瀏覽器實現一般。「（使用JavaScript和Globalize.js走向全球，第177頁）有些警告像正確聲明字符編碼。

字體支持是一個不同的問題，但是在使用字符時，您通常希望在任何時候都能看到它們，至少在測試中。所以你或多或少需要一些覆蓋角色的字體。 Fileformat.info頁面還包含指向瀏覽器支持信息的鏈接，例如(U+20000) Font Support - 一個很好的起點，儘管不完整。例如，U + 20000 ''也支持SimSun-ExtB

來源

2012-11-03 06:54:01

BMP以外的字符不直接被Javascript識別 - 它們在內部被表示爲UTF-16代理對。例如，您提到的字符U + 20000（當前分配給「CJK統一表意文字擴展B」）表示爲代理對U + D840 U + DC00。作爲Javascript字符串，這只是"\u2840\uDC00"。（注意：s.length是2這個字符串，即使它顯示爲單個字符）。

Wikipedia has details on the encoding scheme used.

來源

2012-11-02 23:48:10 duskwuff

有趣的問題。

現在，我們有ES6，we can do this：

let newSpeak = '\u{1F4A9}'

注意，在內部它仍然UTF-16與surrogate pairs：

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

Unicode is huge。

而且，它不只是文字：

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('') === "____"

我處理Unicode的。

來源

2016-09-17 04:01:49

如何從基本多語言平面中逃離角色？

回答

相關問題