在javascript字符串中获取字形字符数？

Question

我试图在用户可见的字形中获取javascript字符串的长度，即忽略组合字符（和代理对？）。这是可能的吗？如果可以的话，我该怎么做呢？

我们在项目中使用了dojo工具包，但任何一般的JavaScript解决方案都会很棒。

Answer 1

这是一个纯JavaScript代码库：

https://github.com/orling/grapheme-splitter

它在家庭酿造解决方案中可能会错过的所有边缘情况下都实现了Unicode UAX-29标准，例如非拉丁语变音符号，韩语（韩语）jamo字符，表情符号，多个组合标记等等。

Answer 2

对于组合字符，请查看列出所有组合字符（{等等）的Derived Combining Class。由于你只是对计数感兴趣，你可以将它们核对出来 - 让你稍微接近估计。

在Angus链接的帖子中，JavaScript strings outside of the BMP显示了处理代理人的代码。但是代码实际上与你想要的相反 - 它将0x10000 +代码点分成两个代码点。就JS而言，它是一个代码点 - 尽管是截断的代码点。谁在乎？你在计算它们，而不是显示......

但是，您可能还想要处理另一类代码点，即不可打印的字符。当然，在0x20以下的任何东西，但还有很多其他的东西 - 例如，查看0x2000范围。这些都不可见，也不应包含在您的计数中。

Answer 3

这个开源的CoffeeScript实现似乎运行得足够好https://github.com/devongovett/grapheme-breaker（如果只是它不是CS）