什么时候元音变音不是元音变音（u-umlaut 映射到 charCode 117）

Question

> let uValFromStr  = "Würzburg".charCodeAt(1)undefined> uValFromStr117> String.fromCharCode(252)'ü'> "Würzburg".charCodeAt(1) === String.fromCharCode(252)false> 我们有一个情况，字符串中的变音符号没有通过简单的字符串比较测试，因为它的值实际上映射到 charCode 117。u-umlaut 应该映射到 charCode 252。注意我们提取字符的 charCode 的前两行。因此，当发生这种情况时，用户输入的文本字符串与前三个字符匹配，但匹配失败，因为代码正在评估 117===252。关于如何发生的任何想法？我们的数据中有许多使用变音符号的用例，这些用例可以正常工作，因此这不是一个地方性问题，而是一个仅针对此输入（到目前为止）的问题。

Answer 1

该ü特定"Würzburg"字符串中的 是使用 (U+0075) 的 Unicode 代码点编写的u，后跟一个对其进行修改的变音组合标记ü(U+0308)，但是您要与之比较的是使用单个 Unicode 代码点编写的u-with-umlaut (U+00FC)。几乎所有 JavaScript 的字符串处理都非常简单，这就是它们不相等的原因。这种幼稚（但很快！）的性质有两个部分：1）它不知道组合标记，这就是为什么"Würzburg".length9 而不是 8（如果ü使用 U+0075 和 U+00FC 编写）；和2）JavaScript“字符”实际上是UTF-16 代码单元，可能只是一个代码点的一半（"😊".length是 2，例如，因为虽然它是单个 Unicode 代码点 (U+1F60A)，但它需要两个代码单元才能用 UTF-16 表示）。（有人可能会争辩说 JavaScript 字符串是UCS-2，因为它们容忍无效的代理项对 [代码单元对一起描述一个代码点]，但规范说“......字符串中的每个元素都被视为UTF-16 编码单元值..." )

您可以通过使用normalization比较这两个元音变音 u 来解决这个问题，通过 JavaScript 的（相对较新的）normalize方法：

const word = "Würzburg";

// Iteration moves through the string by code points, not code units

for (const ch of word) {

    console.log(`${ch} = ${ch.codePointAt(0)}`);

}

const char = String.fromCharCode(252);

const normalizedWord = word.normalize();

const normalizedChar = char.normalize();

// Using iteration to grab the second "character" (code point) from the string

const [, secondCharOfWord] = normalizedWord;

console.log(normalizedChar === secondCharOfWord); // true

.as-console-wrapper {

    max-height: 100% !important;

}

在该示例中，我们使用默认规范化（“NFC”，规范化形式 C），它更喜欢特定代码点而不是组合标记，因此单词的规范化版本使用 u-with-umlaut 代码点 U+00FC。normalize通过将参数传递给（例如规范化形式 D，它更喜欢将标记组合到特定字符代码点），还有其他规范化形式可用，但默认值通常是您想要的。