获取子字符串而不会弄乱UTF-8字符串

Question

我有一个UTF-8编码的字符串来自ajax响应，我希望得到该字符串的子字符串到第一个逗号。对于字符串"Привет, мир"，它将是"Привет"。

这会起作用而不会遇到“多字节”问题吗？

var i = text.indexOf(',');
if (i != -1) text = text.substr(0, i);

或者使用split更好吗？

Answer 1

Javascript按字符处理字符串，而不是按字节处理 因此，是的，从编码/字符串处理的角度来看，这很好 您可以将Javascript中的字符串视为没有任何特定编码，但将其视为字符串。

> "漢字".substr(1)
  "字"

---

请注意，以上只是简化。正如评论中指出的那样，Javascript将字符串视为16位代码点。这使您可以“按字符”处理大多数常见字符的字符串，但对于以UTF-16编码超过2个字节的字符或由多个代码点组成的字符，此抽象会中断。

Answer 2

UTF-8仅使用大于128的值来编码ASCII以外的字符，因此ASCII逗号永远不会是多字节序列的一部分。