通过可见字符建模

把JavaScript中的string当作字符序列来看待是最直观的，虽然这样并不准确。

以下代码示例中的字符串由5个字母和一个感叹号组成：

const message = 'Hello!';

如果把string当作是可见的字符序列，那么'Hello!'中的字符数是6：

const message = 'Hello!';message.length; // => 6

如果string中的字符都是ASCII字符，那么通过可见字符的方式对string建模效果很不错。

但是，如果string中出现了更加复杂的字符，比如，，，这时候会出现意想不到的的问题。

const smile = '';smile.length; // => 2

怎么会这样呢?

这是因为JavaScript将字符串视为码元(code unit)序列，而不是可见字符序列。

让我们更详细地了解JavaScript中的字符串。

按码元建模

The String type is the set of all ordered sequences of zero or more 16-bit unsigned integer values (“elements”). The String type is generally used to represent textual data in a running ECMAScript program, in which case each element in the String is treated as a UTF-16 code unit value.

简而言之，JavaScript中的string是一个数字序列。如果用UTF-16编码的码元来表示'Hello!'这个字符串：

const message = 'Hello!';message === 'Hello!'; // => truemessage.length;       // => 6

因为具有6个码元，这对应于'Hello!'字符串中可见字符的数量。

基本多文种平面(Basic Multilangual Plane)中的字符使用一个UTF-16码元进行编码，但是非基本多文种平面(non-Basic Multilangual Plane)则使用一对不可分割的码元进行编码。

const smile = '��';smile === ''; // => truesmile.length;  // => 2

该序列��是一个特殊的对，称为代理对(surrogate pair)。

字符串迭代器认识代理对。当您调用字符串迭代器时(例如，使用spread运算符)...，它将代理对视为一个长度单位：

const message = 'Hello!';const smile = '';[...message].length; // => 6[...smile].length;   // => 1