JavaScript : 計算中文字的字數與取Unicode

在檢查我的筆順練習工具是否有抓到教育部「國字標準字體學習網」的全部筆順資料時(根據網站說明，目前收錄 6030個國字，但清單中有 6063個)，比對完，發現我少以下幾個字(括號內為 Unicode)：

• 嫏(5ACF)、广(5E7F)、桕(6855)、鯝(9BDD)、𥑮(2546E)、硓(7853)

然後這六個字的音檔都改用 .m4a 的格式了，所以分析音檔路徑的程式也得修改。

另外，在教育部國字標準字體學習網的清單檔案(PDF)中，序號1266的字(Unicode 5F5D)，筆順資料庫中目前並沒有，只能找到一個跟它同音的字(Unicode 5F5E)

• https://stroke-order.learningweb.moe.edu.tw/result.do?lang=zh_TW&ucs=5F5E

查了一下全字庫的資料，不細看，實在分不太出來：

• https://www.cns11643.gov.tw/wordView.jsp?ID=218980
• https://www.cns11643.gov.tw/wordView.jsp?ID=95809

兩個字的注音都是「ㄧˊ」。

在新增的六個字裡，「𥑮」的 Unicode 是「2546E」，這讓我發現自己用了十幾年的程式有個大臭蟲。

原來我在 JavaScript 中，用來計算多少個字，都是直接用 .length 來取得，例如：

var words = '這是新的字𥑮';
console.log(words.length);

照以前的經驗，應該會顯示結果為「6」；今天遇到「𥑮」就變成「7」了！

原來「𥑮」這個字是 UTF-32 的，而 JavaScript 是 UTF-16 的環境，所以 '𥑮'.length 會是「2」。這下子，我的程式遇到這些 UTF-32 的字就全亂了！

沒關係，總有解決方法的。利用 Array.from 可以將字串的字一個個地切開，並放入陣列中，我只要取陣列有幾個元素就好了，可以利用這個來測試：

var words = '這是新的字𥑮';
console.log( Array.from(words) );

它會顯似這樣的結果：

(6) ['這', '是', '新', '的', '字', '𥑮']

另一個問題是如何取得中文字的 Unicode？

以前我是使用 charCodeAt(0) 來取得 Unicode，像這樣：

'𥑮'.charCodeAt(0).toString(16).toUpperCase()

但是因為「𥑮」是 UTF-32 的，所以得改用 codePointAt(0) 才行：

'𥑮'.codePointAt(0).toString(16).toUpperCase()

哈！有時遇到新的狀況，時間要花很多，但是問題得以解決，更是開心啊！不過，程式改東改西，還得再觀察個幾天再上線的好，不然，掃了使用者的興可不好。

相關文章

• 雄 : HTML5 : 筆順練習第三版(2019版)