JavaScript字符串多语言字符处理方法

JavaScript 的 String 类型原生支持 Unicode，但在处理中文、阿拉伯文、emoji、带重音符号的字母等多语言字符时，容易出现长度计算错误、截断乱码、大小写转换异常、排序混乱等问题。正确掌握多语言字符串的处理方法，是避免踩坑的关键。

正确识别与遍历多语言字符

直接使用 .length 和 [i] 索引操作字符串，遇到 emoji（如 ）或组合字符（如 é = e + ）时，会被拆分为多个码元，导致计数和取值错误。

• 推荐使用 Array.from(str) 或 [...str] 获取真实字符数组，按 Unicode 码点分割，而非 UTF16 码元
• 遍历包含 emoji 或组合符的字符串，避免使用 for (let i = 0; i < str.length; i++)，改用 for (const char of str) 更可靠
• 判断字符是否为中文，可用正则 [u4e00-u9fa5]/u，务必添加 u 标志开启 Unicode 模式

安全截取与替换多语言字符串

substring() 和 substr() 不支持 Unicode 感知，slice() 虽稍好，但本质上仍基于码元索引——在多语言字符串中截取，可能切在组合符中间，产生乱码。

• “取前 n 个真实字符”最稳妥的方式：Array.from(str).slice(0, n).join('')
• 全局替换必须加 g 标志，正则同时带上 u。例如替换所有汉字：str.replace(/[u4e00-u9fa5]/gu, '*')
• 查找多语言子串时，尽量少用 indexOf()，改用 includes() 或 search()（后者支持正则，可控性更高）

本地化大小写转换与排序

toLowerCase() 和 toUpperCase() 在土耳其语、德语等语言环境中容易出错——例如 'I'.toLowerCase() 在土耳其语中应变为 ''，但默认行为无法正确转换。简单排序更无法处理中文或变音字母。

• 大小写转换时显式指定 locale：中文用 str.toLocaleLowerCase('zh-CN')，土耳其语用 ''.toLocaleLowerCase('tr-TR')
• 排序应使用 localeCompare()：中文按拼音、德语忽略变音、瑞典语将 置后——通过语言标签控制排序规则
• 如需数字感知排序（如 “item10” 排在 “item2” 之后），添加选项：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）对多语言字面量友好，但用户输入、后端返回、DOM 读取等场景仍需注意细节。

• 从 textarea 读取内容时，换行符为实际 n，直接渲染可能出现问题，建议配合 white-space: pre-line 或手动转义
• 后端返回包含中文或 emoji 的 JSON 字符串，前端应使用 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 时，优先使用 textContent 防止 XSS；若需富文本，务必确保后端已进行 HTML 实体转义