Intern wird JavaScript-Quellcode als eine Sequenz von UTF-16-Codeeinheiten behandelt. GemäßAbschnitt 6 der ECMAScript-Spezifikation

In Bezeichnern, Zeichenkettenliteralen und regulären Ausdruckliteralen kann jede Codeeinheit auch über eine Unicode-Escape-Sequenz \uHHHH ausgedrückt werden, wobei HHHH vier hexadezimale Ziffern sind. Zum Beispiel:

> var f\u006F\u006F = 'abc';
> foo
'abc'

> var λ = 123;
> \u03BB
123

Das bedeutet, dass Sie Unicode-Zeichen in Literalen und Variablennamen verwenden können, ohne den ASCII-Bereich im Quellcode zu verlassen.

In Zeichenkettenliteralen ist eine weitere Art von Escape verfügbar: hexadezimale Escape-Sequenzen mit zweistelligen hexadezimalen Zahlen, die Codeeinheiten im Bereich 0x00–0xFF darstellen. Zum Beispiel:

> '\xF6' === 'ö'
true
> '\xF6' === '\u00F6'
true

Während UTF-16 intern verwendet wird, wird JavaScript-Quellcode normalerweise nicht in diesem Format gespeichert. Wenn ein Webbrowser eine Quelldatei über ein <script>-Tag lädt, ermittelt er die Kodierungwie folgt

Meine Empfehlungen lassen sich wie folgt zusammenfassen

Einige Minifizierungs-Tools können Quellcode mit Unicode-Codepunkten über 7 Bit hinaus in „7-Bit-sauberen“ Quellcode übersetzen. Sie tun dies, indem sie Nicht-ASCII-Zeichen durch Unicode-Escapes ersetzen. Zum Beispiel die folgende Aufrufung vonUglifyJS übersetzt die Datei test.js:

uglifyjs -b beautify=false,ascii-only=true test.js

Die Datei test.js sieht so aus

var σ = 'Köln';

Die Ausgabe von UglifyJS sieht so aus

var \u03c3="K\xf6ln";

Betrachten Sie das folgende negative Beispiel. Eine Zeit lang wurde die Bibliothek D3.js in UTF-8 veröffentlicht. Das führte zu einem Fehler, wenn sie von einer Seite geladen wurde, deren Kodierung nicht UTF-8 war, da der Code Anweisungen wie diese enthielt

var π = Math.PI, ε = 1e-6;

Die Bezeichner π und ε wurden nicht korrekt dekodiert und nicht als gültige Variablennamen erkannt. Darüber hinaus wurden auch einige Zeichenkettenliterale mit Codepunkten über 7 Bit hinaus nicht korrekt dekodiert. Als Workaround konnte man den Code laden, indem man das entsprechende charset-Attribut zum <script>-Tag hinzufügte

<script charset="utf-8" src="d3.js"></script>

Wie bereits erwähnt, können Sie Unicode-Escape-Sequenzen und hexadezimale Escape-Sequenzen in Zeichenkettenliteralen verwenden. Zum Beispiel können Sie das Zeichen ö erzeugen, indem Sie ein o mit einem Diaeresis (Codepunkt 0x0308) kombinieren:

> console.log('o\u0308')
ö

Dies funktioniert in JavaScript-Kommandozeilen, wie Webbrowser-Konsolen und der Node.js REPL. Sie können diese Art von Zeichenkette auch in das DOM einer Webseite einfügen.

Es gibt viele schöne Unicode-Symboltabellen im Web. Schauen Sie sich Tim Whitlocks„Emoji Unicode Tables“ an und staunen Sie, wie viele Symbole es in modernen Unicode-Schriftarten gibt. Keines der Symbole in der Tabelle sind Bilder; es sind alles Schriftartglyphen. Nehmen wir an, Sie möchten ein Unicode-Zeichen über JavaScript anzeigen, das sich in einer astralen Ebene befindet (offensichtlich besteht ein Risiko, wenn Sie dies tun: Nicht alle Schriftarten unterstützen alle solchen Zeichen). Betrachten Sie zum Beispiel eine Kuh, Codepunkt 0x1F404: .

Sie können das Zeichen kopieren und direkt in Ihren Unicode-kodierten JavaScript-Quellcode einfügen

JavaScript-Engines dekodieren den Quellcode (der meistens in UTF-8 vorliegt) und erstellen eine Zeichenkette mit zwei UTF-16-Codeeinheiten. Alternativ können Sie die beiden Codeeinheiten selbst berechnen und Unicode-Escape-Sequenzen verwenden. Es gibt Webanwendungen, die diese Berechnung durchführen, wie zum Beispiel:

Die zuvor definierte Funktion toUTF16 führt dies ebenfalls durch

> toUTF16(0x1F404)
'\\uD83D\\uDC04'

Das UTF-16-Surrogatpaar (0xD83D, 0xDC04) kodiert tatsächlich die Kuh

Wenn eine Zeichenkette ein Surrogatpaar (zwei Codeeinheiten, die einen einzelnen Codepunkt kodieren) enthält, zählt die length-Eigenschaft nicht mehr Grapheme. Sie zählt Codeeinheiten:

Dies kann über Bibliotheken behoben werden, wie z. B. Mathias Bynens Punycode.js, das mit Node.js gebündelt ist

> var puny = require('punycode');
> puny.ucs2.decode(str).length
1

Wenn Sie in Zeichenketten suchen oder sie vergleichen möchten, müssen Sie normalisieren – zum Beispiel über die Bibliothekunorm (von Bjarke Walling).

Um jede Codeeinheit abzugleichen, können Sie [\s\S] verwenden; sieheAtome: Allgemein.

Um jeden Codepunkt abzugleichen, müssen Sie verwenden:^[20]

([\0-\uD7FF\uE000-\uFFFF]|[\uD800-\uDBFF][\uDC00-\uDFFF])

Das vorherige Muster funktioniert wie folgt

([BMP code point]|[leading surrogate][trailing surrogate])

Da alle diese Bereiche disjunkt sind, passt das Muster korrekt auf Codepunkte in gut formatierten UTF-16-Zeichenketten.

Einige Bibliothekenhelfen bei der Handhabung von Unicode in JavaScript:

Weitere Informationen zu Unicode finden Sie in Folgendem:

Informationen zur Unicode-Unterstützung in JavaScript finden Sie unter