跳到正文

别再用 length 统计用户文本:一次 Unicode 字符数和 ESLint 护栏复盘

起因是昵称编辑框的一处字数统计。代码写的是 value.length,普通中文和英文看着正常,换成 😀 就算成了 2,换成 🇯🇵 又算成了 4。用户看到的一个符号,和 JavaScript 数的单位对不上。

计数改对还不够,截断昵称、提取头像上的首字符、输入框限制长度时,也会遇到同样的差别。只在眼前修一个 .length,后面新增表单还可能重新写回去。

昵称的字数计数、截断和输入限长需要对同一个字符边界达成一致。ESLint 可以标出绕过这套约定的写法,遇到 CSS 源码下标一类确实以 UTF-16 为单位的输入,再按解析规则判断。

第一篇《用户眼里的一个字,与 UTF-16 的一个单元》介绍了用户看到的一个字符,为什么可能由多个码点或 UTF-16 单元组成。文章从旗帜、肤色、重音和组合 Emoji 等例子出发,区分字素、码点与编码单元,再解释 JavaScript 的 length 到底在数什么,先确定产品里的「字数」应该按什么计算。

第二篇《计数、截断与输入框必须共用边界》介绍了怎样用 Intl.Segmenter 统一计数、截断和取首字符,并接到真实输入组件里。文章同时处理原生 maxlength、输入法组合输入与组件库的截断行为;接口如果按码点限制,也会单独讨论怎样在满足预算的同时保留完整字素。需要修改表单和文本工具时,可以从这一篇的实现与示例入手。

第三篇《用 ESLint 发现用户文本的危险操作》介绍了怎样让静态检查发现新增代码里可疑的 .length、slice()、charAt() 和 maxlength。规则结合字符串类型与变量语义判断风险,保留技术字符串的合法用法,并通过可配置名单和渐进迁移处理误报。它负责提醒需要人工确认的调用,工具和输入组件是否正确仍要分别验证。

第四篇《关于 CSS 分词场景的例外》从 Prettier 的 @apply 换行插件出发,解释如何用 UTF-16 偏移记录源码切口,以及为什么这处 ESLint 告警适合局部豁免。文中的 Chrome 与编译器对照也展示了字素分段、类名分词和 CSS 转义的边界。