Skip to content

Unicode 字符串切片错误

快速摘要

你对含 emoji 或星平面字符的字符串用了 .slice——切点落在代理对中间,产生残缺字符。

为什么发生

  • 对含星平面字符(emoji)的字符串使用 String.prototype.slice/substring

  • 用 .length 计 '字符' 数,它计的是 UTF-16 码元而非字形

  • 想截断 N 个字形却截了 N 个码元

最小示例

✗ 错误代码
const str = 'Hello 🌍!';
console.log(str.slice(0, 7)); // 'Hello �' — surrogate pair split
✓ 修复代码
const str = 'Hello 🌍!';
console.log([...str].slice(0, 7).join('')); // 'Hello 🌍' — whole glyph kept

emoji 🌍 占两个 UTF-16 码元,slice(0,7) 切在二者之间产生残缺字符。展开为码点数组可保持字形完整。

如何诊断

  • 打印切片结果查看是否出现替换字符(U+FFFD)

  • 检查字符串中是否有高于 U+FFFF 的码点(emoji、罕见符号)

  • 对比 .length 与 Array.from(str).length 以检测代理对

如何修复

  • 按码点切片:[...str].slice(0, n).join('')

  • 对复杂文本使用理解字形簇的库

  • 切片前用 String.prototype.normalize 规范化字符串

如何预防

  • 对用户可见文本按码点数组([...str])操作

  • 截断与计数使用字形感知库

相关资源

相关术语

相关课程

← 返回语言