JavaScript Unicode 编码与解码：转义序列、码点与 Emoji 处理

JavaScript 字符串内部使用 UTF-16 编码。开发中常见的 \\u4e2d\\u6587 属于 Unicode 转义序列，可用于在纯 ASCII 文本中表示中文等字符。

基础编码与解码

原始实现如下，适合基本多文种平面中的常见字符：

function encodeUnicode(str) {
    const result = [];

    for (let i = 0; i < str.length; i++) {
        result.push(
            "\\u" + str.charCodeAt(i).toString(16).padStart(4, "0")
        );
    }

    return result.join("");
}

function decodeUnicode(str) {
    return str.replace(/\\u([0-9a-fA-F]{4})/g, (_, hex) =>
        String.fromCharCode(parseInt(hex, 16))
    );
}

const encoded = encodeUnicode("中文");
console.log(encoded);                // \\u4e2d\\u6587
console.log(decodeUnicode(encoded)); // 中文

相比使用已不推荐的 unescape，通过正则表达式配合 String.fromCharCode 更直观，也不会把普通百分号编码混入处理流程。

为什么 Emoji 会变成两个转义序列

charCodeAt 每次读取一个 UTF-16 代码单元。Emoji 等字符可能由一对代理项组成，因此会编码成两个 \\uXXXX：

console.log(encodeUnicode("😀"));
// \\ud83d\\ude00

这仍然可以被前面的 decodeUnicode 正确还原。

按 Unicode 码点编码

如果希望把 Emoji 表示为 \\u{1f600}，可以按码点遍历：

function encodeCodePoints(str) {
    return Array.from(str, char => {
        const codePoint = char.codePointAt(0);
        return codePoint <= 0xffff
            ? "\\u" + codePoint.toString(16).padStart(4, "0")
            : "\\u{" + codePoint.toString(16) + "}";
    }).join("");
}

function decodeCodePoints(str) {
    return str
        .replace(/\\u\{([0-9a-fA-F]+)\}/g, (_, hex) =>
            String.fromCodePoint(parseInt(hex, 16))
        )
        .replace(/\\u([0-9a-fA-F]{4})/g, (_, hex) =>
            String.fromCharCode(parseInt(hex, 16))
        );
}

const value = encodeCodePoints("中文😀");
console.log(value);                  // \\u4e2d\\u6587\\u{1f600}
console.log(decodeCodePoints(value)); // 中文😀

Unicode 转义与 URL 编码的区别

两者用途不同：

• Unicode 转义：中文 → \\u4e2d\\u6587
• URL 编码：中文 → %E4%B8%AD%E6%96%87

URL 参数应使用 encodeURIComponent 和 decodeURIComponent：

const urlValue = encodeURIComponent("中文");
console.log(urlValue);
console.log(decodeURIComponent(urlValue));

不要使用 Unicode 转义函数代替 URL 编码，也不要对不可信字符串直接使用 eval 进行解码。