前面的話
JS中的字符串類型是由引號括起來的一組由16位Unicode字符組成的字符序列。在過去，16位足以包含任何字符，直到Unicode引入了擴展字符集，編碼規則不得不進行變更。本文將詳細介紹ES6關於Unicode的相關擴展
概述
Unicode的目標是為世界上每一個字符提供唯一標識符，唯一標識符稱為碼位或碼點(code point)。而這些碼位是用於表示字符的，又稱為字符編碼(character encode)
在ES6之前， JS 的字符串以 16 位字符編碼(UTF-16)為基礎。每個 16 位序列(相當於2個字節)是一個編碼單元(code unit)，可簡稱為碼元，用於表示一個字符。字符串所有的屬性與方法(如length屬性與charAt() 方法等)都是基於16位序列
【BMP】
最常用的Unicode字符使用16位序列編碼字符，屬於“基本多語種平面”(Basic Multilingual Plane BMP)，也稱為“零斷面”(plan 0)， 是Unicode中的一個編碼區段，編碼介於U+0000——U+FFFF之間。超過這個范圍的碼位則要歸屬於某個輔助平面或稱為擴展平面(supplementary plane)，其中的碼位僅用16位就無法表示了
為此，UTF-16引入了代理對(surrogate pairs)，規定用兩個16位編碼來表示一個碼位。這意味着，字符串里的字符有兩種：一種由一個碼元（共 16 位）來表示BMP字符，另一種用兩個碼元（共 32 位）來表示輔助平面字符
大括號表示
JavaScript 允許采用\uxxxx形式表示一個字符，其中xxxx表示字符的 Unicode 碼位
// "a" console.log("\u0061");
但是，這種表示法只限於碼位在\u0000~\uFFFF之間的字符。超出這個范圍的字符，必須用兩個雙字節的形式表示
// "𠮷" console.log("\uD842\uDFB7"); // "₻7" console.log("\u20BB7");
上面代碼表示，如果直接在\u后面跟上超過0xFFFF的數值（比如\u20BB7），JavaScript會理解成\u20BB+7。所以會顯示一個特殊字符，后面跟着一個7
ES6 對這一點做出了改進，只要將碼位放入大括號，就能正確解讀該字符
// "𠮷" console.log("\u{20BB7}"); // "ABC" console.log("\u{41}\u{42}\u{43}"); let hello = 123; // 123 console.log(hell\u{6F}); // true console.log('\u{1F680}' === '\uD83D\uDE80');
上面代碼中，最后一個例子表明，大括號表示法與四字節的 UTF-16 編碼是等價的。
有了這種表示法之后，JavaScript 共有6種方法可以表示一個字符
'\z' === 'z' // true '\172' === 'z' // true '\x7A' === 'z' // true '\u007A' === 'z' // true '\u{7A}' === 'z' // true
字符編解碼
【codePointAt()】
ES6新增了完全支持UTF-16的方法codePointAt()，該方法接受編碼單元的位置而非字符位置作為參數，返回與字符串中給定位置對應的碼位，即一個整數值
var text = "𠮷a" ; console.log(text.charCodeAt(0)); // 55362 console.log(text.charCodeAt(1)); // 57271 console.log(text.charCodeAt(2)); // 97 console.log(text.codePointAt(0)); // 134071 console.log(text.codePointAt(1)); // 57271 console.log(text.codePointAt(2)); // 97
對於BMP字符，codePointAt()方法的返回值與 charCodeAt() 相同，如'a'，都返回97
對於輔助平面的32位字符，如'𠮷'，charCodeAt()和codePointAt()方法都分為兩部分返回
charCodeAt(0)和chatCodeAt(1)分別返回前16位和后16位的編碼；而codePointAt(0)和codePointAt(1)分別返回32位編碼及后16位的編碼
判斷一個字符是否是BMP，對該字符調用 codePointAt() 方法就是最簡單的方法
function is32Bit(c) { return c.codePointAt(0) > 0xFFFF; } console.log(is32Bit("𠮷" )); // true console.log(is32Bit("a")); // false
16位字符的上邊界用十六進制表示就是FFFF ，因此任何大於該數字的碼位必須用兩個碼元(共32位)表示
【String.fromCodePoint()】
ES5提供的String.fromCharCode方法，用於從碼位返回對應字符，但是這個方法不能識別32位的UTF-16字符
ECMAScript通常會提供正反兩種方法。可以使用codePointAt() 來提取字符串內中某個字符的碼位，也可以借助String.fromCodePoint()根據給定的碼位來生成一個字符
console.log(String.fromCharCode(0x20bb7)); // "ஷ" console.log(String.fromCodePoint(0x20bb7)); // "𠮷" console.log(String.fromCharCode(0x0bb7)); // "ஷ"
上面代碼中，String.fromCharCode不能識別大於0xFFFF的碼位，所以0x20BB7就發生了溢出，最高位2被舍棄了，最后返回碼位U+0BB7對應的字符，而不是碼位U+20BB7對應的字符
如果String.fromCodePoint()方法有多個參數，則它們會被合並成一個字符串返回
// true String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'
可以將 String.fromCodePoint() 視為 String.fromCharCode() 的完善版本。兩者處理 BMP 字符時會返回相同結果，只有處理 BMP 范圍之外的字符時才會有差異
for...of
對於32位的輔助平面字符來說，使用for或for in循環，可能得不到正確的結果
var s = '𠮷a'; for (let ch in s) { console.log(s[ch]); } //� //� //a
而for...of循環可以正確的識別32位的UTF-16字符
var s = '𠮷a'; for (let ch of s) { console.log(ch); } //𠮷 //a
normalize()
許多歐洲語言有語調符號和重音符號。為了表示它們，Unicode提供了兩種方法。一種是直接提供帶重音符號的字符，比如Ǒ(\u01D1)。另一種是提供合成符號(combining character)，即原字符與重音符號的合成，兩個字符合成一個字符，比如O(\u004F)和ˇ(\u030C)合成Ǒ(\u004F\u030C)
這兩種表示方法，在視覺和語義上都等價，但是JavaScript不能識別
console.log('\u01D1'==='\u004F\u030C'); //false
console.log('\u01D1'.length); // 1
console.log('\u004F\u030C'.length); // 2
上面代碼表示，JavaScript將合成字符視為兩個字符，導致兩種表示方法不相等。
ES6提供字符串實例的normalize()方法，用來將字符的不同表示方法統一為同樣的形式，這稱為Unicode正規化
console.log('\u01D1'==='\u01D1'.normalize()); //true
console.log('\u01D1'=== '\u004F\u030C'.normalize()); //true
normalize方法可以接受一個參數來指定normalize的方式，參數的四個可選值如下
1、NFC，默認參數，表示“標准等價合成”（Normalization Form Canonical Composition），返回多個簡單字符的合成字符。所謂“標准等價”指的是視覺和語義上的等價
console.log('\u01D1'==='\u01D1'.normalize("NFC")); //true
console.log('\u01D1'=== '\u004F\u030C'.normalize("NFC")); //true
2、NFD，表示“標准等價分解”（Normalization Form Canonical Decomposition），即在標准等價的前提下，返回合成字符分解的多個簡單字符
console.log('\u004F\u030C'==='\u01D1'.normalize("NFD")); //true
console.log('\u004F\u030C'=== '\u004F\u030C'.normalize("NFD")); //true
3、NFKC，表示“兼容等價合成”（Normalization Form Compatibility Composition），返回合成字符。所謂“兼容等價”指的是語義上存在等價，但視覺上不等價，比如“囍”和“喜喜”。（這只是用來舉例，normalize方法不能識別中文。）
4、NFKD，表示“兼容等價分解”（Normalization Form Compatibility Decomposition），即在兼容等價的前提下，返回合成字符分解的多個簡單字符
在開發國際化應用時，normalize() 方法非常有用。但normalize()方法目前不能識別三個或三個以上字符的合成。這種情況下，還是只能使用正則表達式，通過Unicode編號區間判斷
U修飾符
正則表達式可以完成簡單的字符串操作，但默認將字符串中的每一個字符按照16位編碼處理。為了解決這個問題， ES6 對正則表達式添加了u修飾符，含義為“Unicode模式”，用來正確處理大於\uFFFF的 Unicode 字符。也就是說，會正確處理四個字節的 UTF-16 編碼
/^\uD83D/u.test('\uD83D\uDC2A') // false
/^\uD83D/.test('\uD83D\uDC2A') // true
一旦為正則表達式設置了 u 修飾符，正則表達式將會識別32位的輔助平面字符為1個字符，而不是兩個
【點號】
點（.）字符在正則表達式中，含義是除了換行符以外的任意單個字符。對於碼位大於0xFFFF的 Unicode 字符，點字符不能識別，必須加上u修飾符
var text = "𠮷" ; console.log(text.length); // 2 console.log(/^.$/.test(text));//false console.log(/^.$/u.test(text)); //true
【大括號】
ES6 新增了使用大括號表示 Unicode 字符，這種表示法在正則表達式中必須加上u修飾符，才能識別當中的大括號，否則會被解讀為量詞
/\u{61}/.test('a') // false
/\u{61}/u.test('a') // true
/\u{20BB7}/u.test('𠮷') // true
【量詞】
使用u修飾符后，所有量詞都會正確識別碼點大於0xFFFF的 Unicode 字符
/a{2}/.test('aa') // true
/a{2}/u.test('aa') // true
/𠮷{2}/.test('𠮷𠮷') // false
/𠮷{2}/u.test('𠮷𠮷') // true
【預定義模式】
u修飾符也影響到預定義模式，能否正確識別碼點大於0xFFFF的 Unicode 字符
/^\S$/.test('𠮷') // false
/^\S$/u.test('𠮷') // true
【字符串長度】
上面代碼的\S是預定義模式，匹配所有不是空格的字符。只有加了u修飾符，它才能正確匹配碼點大於0xFFFF的 Unicode 字符
雖然ES6不支持字符串碼位數量的檢測，length屬性仍然返回字符串編碼單元的數量。利用[\s\S]，再加上u修飾符，就可以寫出一個正確返回字符串長度的函數
function codePointLength(text) { var result = text.match(/[\s\S]/gu); return result ? result.length : 0; } var s = '𠮷𠮷'; console.log(s.length); // 4 console.log(codePointLength(s)); // 2
【檢測支持】
u修飾符是語法層面的變更，嘗試在不兼容 ES6 的 JS 引擎中使用它會拋出語法錯誤。如果要檢測當前引擎是否支持u修飾符，最安全的方式是通過以下函數來判斷
function hasRegExpU() { try { var pattern = new RegExp(".", "u"); return true; } catch (ex) { return false; } }
這個函數使用了RegExp構造函數並傳入字符串'u'作為參數，該語法即使在舊版 JS 引擎中也是有效的。但是，如果當前引擎不支持u修飾符則會拋出錯誤