JavaScript emoji长度之谜：UTF-8, UTF-16, UTF-32与扩展字素群集
2025-08-22
本文探讨了不同编程语言中emoji字符串长度的差异，例如JavaScript中“🤦🏼♂️”.length为7，Python中为5，Rust中为17。这源于不同语言对字符串编码（UTF-16、UTF-8等）和字素单位（Unicode标量值、扩展字素群集等）的处理方式不同。作者认为，记住字符串在原生编码中的长度是合理的，但对于其他长度（如扩展字素群集），则应按需计算，避免不必要的存储开销和同步问题。文章还分析了不同编码方式的优缺点，并指出UTF-8在存储和交换方面的优势，最后讨论了公平的长度配额问题，指出没有简单的方法能公平地衡量不同语言的信息密度，并以联合国人权宣言的翻译为例进行说明。
开发
字符串编码