一些语言中 String 的坑

[oldshensheep]

什么 BUG

这个问题不是 JavaScript 特有，只是记录一下。
其实就是 String 的长度的问题。String.length 得到的不是字符数

let str = '哈哈🎋🧨😘';
console.log(str.length) //8

emoji 占了 2 个长度，这个问题在 js 、java 、go 上有，其他语言还没有测试。
同样的，一些内置函数也受到了这个问题的影响。

let str = '哈哈🎋🧨😘';
console.log(str.substring(0, 2)); //哈哈
console.log(str.substring(0, 3)); //哈哈� //意料之外的结果
console.log(str.substring(0, 4)); //哈哈🎋

还有 String.charAt()等等
对于 js 解决办法就是把字符串转换成数组

let str = '哈哈🎋🧨😘';
console.log([...str].length) //5

日常开发中可能大家都依赖 String.length ，但是在某些情况下可能会出 BUG ，比如要遍历字符串的时候，当然如果你确保输入的字符串不会有那些特殊字符那就没问题了。

BUG 现场

记录一下我遇到的 bug ，还有处理方法。总的来说就是变成数组

let bug = '哈哈🎋🧨😘';

console.log(bug.length)                             //8
console.log([...bug].length)                        //5

console.log(bug.split("").reverse().join(""))       //�🗨🮋�哈哈
console.log([...bug].reverse().join(""))            //😘🧨🎋哈哈

console.log(bug.substring(0, 3));                   //哈哈�
console.log([...bug].slice(0, 3).join(""));         //哈哈🎋

对于 Javascript 大家不要用我说这个方法了吧……
[...str]还是会出 bug 可以用#3 楼提供的库，其他语言应该也有类似的。
主要就是提醒大家编程遍历字符串的时候要注意这个问题。

[zagfai]

字符长度与字节长度是两回事

[DiamondYuan]

你的处理方法还是会有 bug

console.log([..."👨‍🚀"].reverse().join(""));

[DiamondYuan]

用开源库吧

https://github.com/dotcypress/runes

[oldshensheep]

@DiamondYuan 看来还是不行……有点坑人。
👨‍🚀这个字符我按删除键，变成了另外一个字符……

[pocarisweat]

你可以试试更复杂的情况，比如彩虹旗🏳️‍🌈，这个 emoji 实际上是 2 个 emoji （彩虹+白旗）和中间的连接符拼起来的，在 UTF-16 的情况下长度应该是 6 （比如 JavaScript ）。大概只有 Swift 会把它当作一个字符：

1> "🏳️‍🌈".count
$R0: Int = 1

[pocarisweat]

@oldshensheep
如果你用的是 Firefox ，那按删除键变成另一个字符是 bug： https://bugzilla.mozilla.org/show_bug.cgi?id=1728746

[oldshensheep]

@pocarisweat 确实是用 Firefox 。不过 Chrome 的地址栏也有这个问题，要按 3 下才能删除（ Firefox 是 2 下），网页中的输入框没问题（ Firefox 有问题）。

[rabbbit]

I have a 👨, I have a 🚀. Uh! 👨‍🚀

[rabbbit]

👨‍🚀这个字符是👨 + ZWJ ‍+ 🚀

[ipwx]

其实让我比较惊讶的是

console.log(str.length) //8
console.log([...str].length) // 5

别的语言要么都是 8 ，要么都是 5 。不愧是大 JS ，继三位一体不等式以后，又出现了新的不一致性。

[hsfzxjy]

说到底还是“字符”的定义产生的混淆。你是想要 code point 还是 grapheme

https://stackoverflow.com/questions/27331819/whats-the-difference-between-a-character-a-code-point-a-glyph-and-a-grapheme

[ipwx]

In [1]: S = '哈哈🎋🧨😘'

In [2]: S[::-1]
Out[2]: '😘🧨🎋哈哈'

In [3]: len(S)
Out[3]: 5

[xiangyuecn]

这个本身就是玄学，单纯肉眼可见的长度，你还得考虑大量的零宽字符：明明就显示的两个字，文件却有 1 个 G 大小

另外：emoji 有一个连接字符，\u2***多少来着，几个 emoji 连接显示成一个 emoji ，目测可以无限套娃

[billlee]

ucs-2 的历史遗留问题，java 也有，python 没有

[xtreme1]

大部分的 string 问题都是允许按下标访问
如果把 string 和 char array 彻底分开就没这些问题，string 只开放迭代器