拆分包含 UTF-8 字符“叱”的字符串

Question

在节点 14.3.0 中运行以下代码

const data = 'ABCDE𠮟漢字でも大丈夫';
console.log(data);
console.log(data.split(''));

返回

ABCDE𠮟漢字でも大丈夫
[
  'A',  'B',  'C',  'D',
  'E',  '�',  '�',  '漢',
  '字', 'で', 'も', '大',
  '丈', '夫'
]

为什么叱字符没有被正确分割？ 我已经测试了所有的jouyou kanji ，并且这个字符是唯一产生这个结果的字符。

Answer 1

Javascript 拆分，在 UTF-8 被广泛采用之前出现。 但是为了防止破坏现有的应用程序，决定不改变它基于 UTF-16 的实现。 幸运的是，最近的 ES 规范实现了Array.from来解决这个问题。

因此，对于您的示例，您可以使用Array.from或 Array spread syntax..

此外，RegEx 还具有 unicode 的 /u 选项。 我也包括那个..

例如。

 const data = 'ABCDE漢字でも大丈夫'; console.log([...data]); console.log(data.match(/.{1}/ug));

Answer 2

用“叱”代替“ "，是同一个字符。

 const data = 'ABCDE叱漢字でも大丈夫'; console.log(data); console.log(data.split(''));