JavaScript 提供了兩個互為反操作的內建方法,讓我們能在字元與 Unicode 編碼之間來回轉換。
使用字串物件上的 charCodeAt(index):
strObj.charCodeAt(index)
參數 index 指定字元在 strObj 中的位置(從 0 開始計數),回傳值為 0 到 65535 之間的整數。例如:
var strObj = "ABCDEFG"; var code = strObj.charCodeAt(2); // 字元 'C' 的 Unicode 值為 67
若 index 指定的位置沒有字元(超出範圍),回傳值會是 NaN。
反方向的轉換靠 String.fromCharCode()。注意它是 String 上的靜態方法,使用前不需要建立字串實例:
String.fromCharCode(c1, c2, ...)
它接受零個或多個整數,回傳一個包含對應字元的字串:
var str = String.fromCharCode(72, 101, 108, 108, 111); // str == "Hello"
搭配使用,就能輕易實作字串與編碼陣列之間的轉換。例如把一段文字拆成編碼陣列,或把收到的編碼資料還原為可讀文字:
var text = "Hello";
var codes = [];
for (var i = 0; i < text.length; i++) {
codes.push(text.charCodeAt(i));
}
// codes 為 [72, 101, 108, 108, 111]
var restored = String.fromCharCode.apply(null, codes); // 回到 "Hello"
能表示不等於能顯示。Unicode 收錄了世界上大量書寫系統的字元,但別因為某個字元存在於 Unicode 中,就期待它能正常呈現在警示對話框、文字欄位或頁面上。若對應的字型或字元集不可用,畫面上只會出現問號或其他替代符號。一台典型的北美電腦若未安裝中文字型,就無法正常顯示中文。
UTF-16 與代理對。JavaScript 的字串本質上是 UTF-16 碼單元序列,而 charCodeAt 回傳的是單一碼單元(16 位元)。對於 BMP 之外的語言(如 emoji 與部分罕用漢字),單一字元會佔兩個碼單元,也就是所謂的代理對。此時若要取得完整的碼位,應改用 codePointAt();若要依「使用者看到的一個字」來迭代,則可用 for...of 或 [...str],它們會正確處理代理對。
與位元組編碼不同。這裡談的是字元層級的編碼轉換,與 UTF-8 這類位元組編碼無關。若任務是處理檔案或網路傳輸中的位元組序列,該用的是 TextEncoder 與 TextDecoder,而非這兩個方法。