如何在google v8（和nodejs）中呈现32位unicode字符

有没有人有一个想法，如何在谷歌V8，同时驱动谷歌浏览器和nodejs的JavaScript虚拟机，呈现unicode“星平面”字符（其CID超出0xffff）？

有趣的是，当我给谷歌浏览器（它标识为11.0.696.71，在Ubuntu 10.4上运行）这样的HTML页面： 

<script>document.write( "helo" ) document.write( "𡥂 ⿸𠂇子" ); </script>

它将正确地呈现“宽”字符𡥂与“窄”字符一起，但是当我在nodejs（使用console.log() ）中尝试相当于我得到一个单一的 （0xfffd，replace字符）字符代替。

我也被告知，无论不可理解的原因，谷歌已决定使用16位宽的数据types来实现字符。 虽然我觉得这很愚蠢，但代理码点的devise恰恰是为了使'星际码点'通过16位挑战的通道'传送'。 不知何故，在chrome 11.0.696.71里面运行的v8似乎使用了这个unicode-foo或者其他的魔术来完成它的工作（我似乎记得几年前，我甚至在静态页面上总是得到盒子）。

是的， node --version报告v0.4.10 ，要弄清楚如何从中获得一个v8的版本号。

更新我做了咖啡脚本中的以下内容： 

 a = String.fromCharCode( 0xd801 ) b = String.fromCharCode( 0xdc00 ) c = a + b console.log a console.log b console.log c console.log String.fromCharCode( 0xd835, 0xdc9c )

但那只能给我

这背后的思想是，因为处理unicode的JavaScript规范的braindead部分似乎要求？ /不彻底禁止？ /允许？ 使用代理对，那么也许我的源文件编码（utf-8）可能是问题的一部分。 毕竟，在utf-8中有两种编码32位编码点的方法：一种是写出第一个替代品需要的utf-8字节，然后是第二个替代品所需的utf-8字节。 另一种方法（按照utf-8规范，这是首选的方法）是计算结果码位并写出码位所需的八位位组。 所以在这里我完全排除了只处理数字的源文件编码问题。 上面的代码在chrome中使用document.write() ，给出了𐐀𝒜 ，所以我知道我的数字是正确的。

叹。

编辑我做了一些实验，发现当我这样做 

 var f = function( text ) { document.write( '<h1>', text, '</h1>' ); document.write( '<div>', text.length, '</div>' ); document.write( '<div>0x', text.charCodeAt(0).toString( 16 ), '</div>' ); document.write( '<div>0x', text.charCodeAt(1).toString( 16 ), '</div>' ); console.log( '<h1>', text, '</h1>' ); console.log( '<div>', text.length, '</div>' ); console.log( '<div>0x', text.charCodeAt(0).toString( 16 ), '</div>' ); console.log( '<div>0x', text.charCodeAt(1).toString( 16 ), '</div>' ); }; f( '𩄎' ); f( String.fromCharCode( 0xd864, 0xdd0e ) );

我确实得到正确的结果在谷歌浏览器—无论是在浏览器窗口和控制台： 

 𩄎 2 0xd864 0xdd0e 𩄎 2 0xd864 0xdd0e

不过，这是我使用nodejs console.log时得到的： 

 <h1>   </h1> <div> 1 </div> <div>0x fffd </div> <div>0x NaN </div> <h1>      </h1> <div> 2 </div> <div>0x d864 </div> <div>0x dd0e </div>

这似乎表明parsingutf-8与超出0xffff CID并输出这些字符到控制台是打破。 python3.1，顺便说一句，将字符视为代理对，并可以将字符打印到控制台。

注意我已经把这个问题交给了v8用户邮件列表 。

这个最近的报告涵盖了stream行语言中Unicode的各种问题，而且对Javascript不友好： 好，坏，（大部分）丑陋

他用Javascript的双字节表示法来解决这个问题：

UTF-16néeUCS-2诅咒

像其他几种语言一样，Javascript遭受UTF-16诅咒。 除了Javascript有一个更糟糕的forms，UCS-2诅咒。 像charCodeAt和fromCharCode这样的东西只能处理16位数量，而不能处理真正的21位Unicode代码点。 因此，如果你想打印出一些像𝒜，U + 1D49C，MATHEMATICAL SCRIPT CAPITAL A这样的东西，你必须指定不是一个字符，而是两个“字符单位”：“\ uD835 \ uDC9C”。 😱 

 // ERROR!! document.write(String.fromCharCode(0x1D49C)); // needed bogosity document.write(String.fromCharCode(0xD835,0xDC9C));

我认为这是一个console.log问题。 由于console.log仅用于debugging，当你通过http输出节点到浏览器时，你是否也遇到同样的问题？

Interesting Posts