原始字符串 length 属性与 Unicode 代理对的冲突，主要体现在字符串长度计算上。在 JavaScript 中，String.prototype.length 返回的是字符串中 16 位码元（code unit）的数量，而不是字符（code point）的数量。一、什么是 Unicode 代理对？Unicode 中的一些字符（如表情符号、某些特殊文字）需要使用 两个 16 位码元 来表示

JavaScript（及.NET等基于UTF-16的平台）中字符串的`length`属性实际统计的是16位编码单元（code unit）数量，而非人类直观感知的字符（code point）或图形单元（grapheme cluster）个数，这导致包含表情符号、古汉字、奥塞治文等需用代理对（surrogate pair）表示的Unicode字符时，`length`值被错误地翻倍——例如"😊"返回2却仅是一个字符，进而引发截断乱码、正则匹配异常、输入限制误判等真实业务问题；要获得符合认知的字符计数与安全操作，应改用`Array.from()`、`Intl.Segmenter`（支持组合字符与ZWJ序列）或`codePointAt()`等真正按Unicode码点或图形单元处理的现代API。

原始字符串的 length 属性并不统计“人眼看到的字符个数”，而是统计 UTF-16 编码单元（code unit）的数量。这个设计在遇到 Unicode 代理对时，就会产生直观上的“冲突”——一个视觉上完整的字符，length 却返回 2。

length 统计的是编码单元，不是字符

JavaScript 和 .NET（如 C# 的 string.Length）都将字符串内部表示为 UTF-16 序列，每个 char 或“代码单元”占 16 位。绝大多数常用字符（如英文字母、常见汉字）只需一个单元，length 值与字符数一致：

• "a".length → 1
• "你好".length → 2

但 Unicode 中编号超过 0xFFFF 的字符（如大部分 emoji、古汉字、奥塞治文等），无法用单个 16 位值表示，必须拆成两个连续的单元：一个高位代理（high surrogate，范围 0xD800–0xDBFF），一个低位代理（low surrogate，范围 0xDC00–0xDFFF）。这两个单元合起来才代表一个 Unicode 码点（code point）。

此时 length 会把这两个单元都计入，导致数值翻倍：

• "?".length → 2（U+1F44D，需代理对）
• "?".length → 2（U+2070E，增补平面汉字）
• "?".length → 2（奥塞治字母，同理）

冲突带来的实际问题

这种“统计口径不一致”会在业务逻辑中引发明显异常：

• 用户输入一个 ?，却被判定为“2 字符”，违反“昵称最多 10 字”限制
• 用 str.substring(0, 5) 截取前 5 个位置，可能恰好切在代理对中间，返回乱码（如 ""）
• 遍历字符串用 str[i] 取字符时，代理对的高位和低位被当作两个独立“字符”处理
• charAt() 和 charCodeAt() 同样按 code unit 索引，无法直接获取完整码点

如何绕过这个冲突

要获得符合人类认知的“字符数”，应跳过底层 UTF-16 单元，直接按 Unicode 码点或图形单元（grapheme cluster）计数：

• 基础准确：用扩展运算符或 Array.from() —— 它们基于字符串的迭代器协议，自动识别代理对
  Array.from("?").length → 1
  [..."?"].length → 1
• 需要支持组合字符（如 é 写作 e + ◌́）或 ZWJ 连接序列（如家庭 emoji ?‍?‍?‍?）：使用 Intl.Segmenter
new Intl.Segmenter('zh', {granularity: 'grapheme'}).segment("??").length → 1
• 逐码点操作：用 codePointAt() 替代 charCodeAt()，配合 String.fromCodePoint() 构造字符

C# 中的对应表现

.NET 的 string.Length 行为完全一致：它返回 char 实例数量，而非 Unicode 字符数。例如：

• "Hello".Length → 5
• "你好".Length → 2
• "??".Length → 4（每个奥塞治字母占 2 个 char）

若需真实 Unicode 字符数，C# 推荐使用 System.Globalization.StringInfo 或 System.Text.Rune 类型（.NET Core 3.0+）来安全遍历码点。

理论要掌握，实操不能落！以上关于《原始字符串 length 属性与 Unicode 代理对的冲突，主要体现在字符串长度计算上。在 JavaScript 中，String.prototype.length 返回的是字符串中 16 位码元（code unit）的数量，而不是字符（code point）的数量。一、什么是 Unicode 代理对？Unicode 中的一些字符（如表情符号、某些特殊文字）需要使用 两个 16 位码元 来表示，这被称为 代理对（Surrogate Pairs）。例如：“😊”（笑脸）在 UTF-16 中由两个 16 位码元组成：0xD83D 和 0xDE0A“👨‍👩‍👧‍👦”（家庭图示）由多个代理对组成二、length 属性的问题当字符串包含这些字符时，length 属性会将每个码元算作一个字符，导致结果不准确。例如：const str = "😊"; console.log(str.length); // 输出 2，但实际是 1 个字符这种差异可能导致以下问题：字符串截断错误（如 str.substring(0, 1) 可能截断到一个无效的码元）正则表达式匹配异常字符计数错误（如密码强度检查、输入限制）》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！