TextEncoder / TextDecoder 不往返

Question

我肯定遗漏了有关 TextEncoder 和 TextDecoder 行为的一些内容。在我看来，以下代码应该往返，但似乎并非如此：

new TextDecoder().decode(new TextEncoder().encode(String.fromCharCode(55296))).charCodeAt(0);

因为我只是对字符串进行编码和解码，所以 char 代码看起来应该是相同的，但这返回 65533 而不是 55296。我错过了什么？

Answer 1

根据一些探索，该TextEncoder.encode()方法似乎采用类型的参数 USVString，其中 USV 代表 Unicode 标量值。根据此页面，USV 不能是高代理或低代理代码点。

另外，根据 MDN：

USVString 是 Unicode 标量值的序列。此定义与 DOMString 或 JavaScript String 类型的不同之处在于，它始终表示适合文本处理的有效序列，而后者可以包含代理代码点。

所以，我的猜测是你的String论点encode()正在转换为 a USVString（隐式或在 内encode()）。根据此页面，它看起来像是从 转换String为USVString，它首先将其转换为 a DOMString，然后遵循此过程，其中包括将所有代理项替换为U+FFFD，这是您看到的代码点，65533即“替换字符”。

我认为有效的原因String.fromCharCode(55296).charCodeAt(0)是因为它不需要进行这种String -> USVString转换。

至于为什么TextEncoder.encode()这样设计，我不太了解 unicode 细节，无法尝试解释，但我怀疑这是为了简化实现，因为它支持的唯一输出编码似乎是 UTF-8，在Uint8Array. 我猜测需要一个USVString没有代理的参数（而不是String可能带有代理的本机 UTF-16 ）会将编码简化为UTF-8，或者可能使某些编码/解码用例更简单？