JavaScript 的 String 类型中处理多语言字符的方法

JavaScript中处理多语言字符需用Array.from(str)或[...str]按Unicode码点遍历，避免.length和[i]因UTF-16码元拆分导致的长度误判、截断乱码等问题。

JavaScript 的 String 类型原生支持 Unicode，但多语言字符（如中文、阿拉伯文、emoji、带重音符号的字母等）处理不当容易出错——比如长度误判、截断乱码、大小写转换异常或排序错位。关键不是“能不能用”，而是“怎么用对”。

正确识别和遍历多语言字符

普通 .length 和 [i] 会把 emoji（如 ?）或组合字符（如 é = e + ´）拆成多个码元，导致计数/取值错误。

• 用 Array.from(str) 或 [...str] 获取真实字符数组，它按 Unicode 码点（而非 UTF-16 码元）分割
• 避免用 for (let i = 0; i 遍历含 emoji 或组合符的字符串；改用 <code>for (const char of str)
• 要判断是否为中文字符？可用正则 /[u4e00-u9fa5]/u（注意末尾 u 标志启用 Unicode 模式）

安全截取与替换

传统 substring() 或 substr() 不支持 Unicode 感知，slice() 虽好但仍按码元索引——对多语言字符串仍可能切在组合符中间。

• 优先用 str.slice(0, n) 配合 Array.from(str).slice(0, n).join('') 实现“取前 n 个真实字符”
• 全局替换必须加 g 标志，且正则需带 u：例如 str.replace(/[u4e00-u9fa5]/gu, '*') 才能正确匹配所有汉字
• 避免用 indexOf() 查找多语言子串；改用 includes() 或 search()（后者支持正则，更可控）

本地化大小写与排序

toLowerCase() 和 toUpperCase() 在土耳其语、德语等环境下会出错（如 'I'.toLowerCase() 在土耳其应为 'ı'）；简单排序也无法处理中文或变音字母。

立即学习“Java免费学习笔记（深入）”；

• 大小写转换显式指定 locale：str.toLocaleLowerCase('zh-CN')（中文）、'İ'.toLocaleLowerCase('tr-TR')（土耳其）
• 排序用 localeCompare()：中文按拼音、德语忽略变音、瑞典语将 ä 排最后——都靠传入语言标签控制
• 需要数字感知排序（如 “item10” 排在 “item2” 后）？加选项：a.localeCompare(b, 'en', { numeric: true })

模板字符串与输入输出兼容性

模板字符串（反引号）天然支持多语言字面量，但用户输入、后端返回、DOM 读取等场景仍需额外处理。

• 从 textarea 读取内容时，换行符是真实的 n，直接渲染需配合 white-space: pre-line 或转义
• 后端返回含中文/emoji 的 JSON 字符串，前端用 JSON.parse() 安全解码，避免拼接 JS 字符串引发语法错误
• 动态生成含多语言变量的 HTML，优先用 textContent 防 XSS；若需富文本，确保后端已做 HTML 实体转义