charAt()和charCodeAt方法以及Unicode

在 JavaScript 中，字符串内部是以 UTF-16 编码存储和处理的。

UTF-16 是一种可变长度的 Unicode 编码方式，它使用 16 位（2 字节）或 32 位（4 字节） 来表示 Unicode 字符

对于基本多语言平面（BMP）内的字符（U+0000 到 U+FFFF），可以直接用 一个 16 位单元（称为 code unit） 表示
例如：

• 'A'（U+0041） → 0x0041
• '中'（U+4E2D） → 0x4E2D

'A'.length;        // 1
'中'.length;       // 1

对于辅助平面（Supplementary Planes）中的字符（U+10000 到 U+10FFFF），无法用单个 16 位单元表示，因此 UTF-16 使用 代理对（surrogate pair）：

• 一个高位代理（high surrogate）：范围 0xD800–0xDBFF（BMP中的特殊码点）
• 一个低位代理（low surrogate）：范围 0xDC00–0xDFFF（BMP中的特殊码点）

举例：
码点：U+1F600（😀，笑脸 emoji）的 UTF-16 编码为：0xD83D 0xDE00

'😀'.length;       // 2 （U+1F600）
'🚀'.length;       // 2 （U+1F680）

所以，注意str[index] 或 str.charAt(index) 返回的是 UTF-16 码元，不一定是完整 Unicode 字符，它可能返回单独代理项（lone surrogate）。

同样，String 的 charCodeAt(index) 方法返回一个整数，表示给定索引处的 UTF-16 码元，其值介于 0 和 65535 之间，此整数代表的码元，也不一定是完整 Unicode 字符。

如果要获取给定索引处的完整 Unicode 码位，请使用 String.prototype.codePointAt() 方法。

<script type="text/javascript">

let str="Hello world!";
console.log(str.charAt(4)); //输出字符 o
console.log(str.charCodeAt(4));//输出111（10进制）

let s = '😀';
console.log(s[0]); //  （高位代理，单独无意义）
console.log(s[1]); //  （低位代理，单独无意义）

</script>

正确处理完整 Unicode 字符的方法

• 使用 for...of（基于码点迭代）：

  for (let char of '😀') {
    console.log(char); // '😀'
  }
  

• 使用 Array.from(str)：

  Array.from('😀').length; // 1
  

• 使用 String.fromCodePoint() 和 codePointAt()：

  '😀'.codePointAt(0); // 128512 (0x1F600)
  String.fromCodePoint(0x1F600); // '😀'
  

---

总结：

✅ JavaScript 字符串在内部使用 UTF-16 编码。
⚠️ 对于超出 BMP 的字符（U+10000 及以上），它们由两个 16 位单元（代理对）表示，因此：

• .length 可能不等于“视觉字符数”
• 逐索引访问可能得到无意义的代理项

在处理国际化文本、emoji 或用户输入时，应优先使用 码点（code point） 相关 API（如 codePointAt, fromCodePoint, for...of）来避免错误。