如何在 JavaScript 中将 Unicode 字符串拆分为字符

Question

很长一段时间，我们使用幼稚的方法在 JS 中拆分字符串：

someString.split('');

但是表情符号的流行迫使我们改变这种方法——表情符号字符（和其他非 BMP 字符）像由两个“字符”组成。

String.fromCodePoint(128514).split(''); // array of 2 characters; can't embed due to StackOverflow limitations

那么什么是现代、正确和高效的方法来完成这项任务呢？

Answer 1

在数组文字中使用展开：

const str = "";
console.log([...str]);

使用for...of：

function split(str){
  const arr = [];
  for(const char of str)
    arr.push(char)
   
  return arr;
}

const str = "";
console.log(split(str));

Answer 2

JavaScript 有一个新的 API（ES2023 的一部分）Intl.Segmenter，允许您根据字素（用户感知的字符串字符）分割字符串。使用此 API，您的拆分可能如下所示：

\n

\r\n

\r\n

const split = (str) => {\n  const itr = new Intl.Segmenter("en", {granularity: \'grapheme\'}).segment(str);\n  return Array.from(itr, ({segment}) => segment);\n}\n// See browser console for output\nconsole.log(split(\'\')); // [\'\']\nconsole.log(split(\'e\xcc\x81\')); // [\'e\xcc\x81\']\nconsole.log(split(\'\xe2\x80\x8d\xe2\x80\x8d\')); // [\'\xe2\x80\x8d\xe2\x80\x8d\']\nconsole.log(split(\'\xe2\x9d\xa4\xef\xb8\x8f\')); // [\'\xe2\x9d\xa4\xef\xb8\x8f\']\nconsole.log(split(\'\xe2\x80\x8d\xe2\x99\x80\xef\xb8\x8f\')); // [\'\xe2\x80\x8d\xe2\x99\x80\xef\xb8\x8f\']

\r\n

<p>See browser console for logs</p>

\r\n

\r\n

\r\n

\n

这使您不仅可以处理由两个代码点（例如 ）组成的表情符号，还可以处理其他字符，例如复合字符（例如：e\xcc\x81）、由 ZWJ 分隔的字符（例如：\xe2\x80\x8d\xe2\x80\x8d）、具有变体选择器的字符（例如： \xe2\x9d \xa4\xef\xb8\x8f)、带有表情符号修饰符的字符（例如：\xe2\x80\x8d\xe2\x99\x80\xef\xb8\x8f）等。所有这些都不能通过调用字符串迭代器（通过使用 spread ...、for..of等Symbol.iterator）来处理，如其他答案中所示，因为它们只会迭代字符串的代码点。

\n

Answer 3

完成此任务的最佳方法是使用可识别String.prototype[Symbol.iterator]Unicode 字符的本机。因此，Array.from在字符串上使用了简单易行的拆分 Unicode 字符的方法，例如：

const string = String.fromCodePoint(128514, 32, 105, 32, 102, 101, 101, 108, 32, 128514, 32, 97, 109, 97, 122, 105, 110, 128514);
Array.from(string);

Answer 4

ECMA 2015 中引入了一个标志来支持正则表达式中的 unicode 识别。

添加u到正则表达式会返回结果中的完整字符。

const withFlag = `ABDE`.match(/./ug);
const withoutFlag = `ABDE`.match(/./g);

console.log(withFlag, withoutFlag);

这里还有更多相关内容