Page 153 - Node.js开发指南

146 第 6 章 Node.js 进阶话题

4. Unicode 与国际化
Node.js 不支持完整的Unicode，很多字符无法用string 表示。公平地说这不是Node.js 的
缺陷，而是JavaScript 标准的问题。目前JavaScript 支持的字符集还是双字节的UCS2，即用
两个字节来表示一个Unicode 字符，这样能表示的字符数量是65536。显然，仅仅是汉字就不
止这个数目，很多生僻汉字，以及一些较为罕见语言的文字都无法表示。这其实是一个历史
遗留问题，像2000 年问题（俗称千年虫）一样，都起源于当时人们的主观判断。最早的Unicode
设计者认为65536个字符足以囊括全世界所有的文字了，因此那个时候盲目兼容Unicode 的系
统或平台（如Windows、Java 和JavaScript）在后来都遇到了问题。
Unicode 随后意识到2个字节是不够的，因此推出了UCS4，即用4 个字节来表示一个
Unicode 字符。很多原先用定长编码的UCS2 的系统都升级为了变长编码的UTF-16，因为只
有它向下兼容UCS2。UTF-16 对UCS2 以内的字符采用定长的双字节编码，而对它以外的部分
使用多字节的变长编码。这种方式的好处是在绝大多数情况下它都是定长的编码，有利于提
高运算效率，而且兼容了UCS2，但缺点是它本质还是变长编码，程序中处理多少有些不便。
许多号称支持UTF-16 的平台仍然只支持它的子集UCS2，而不支持它的变长编码部分。
相比之下，UTF-8 完全是变长编码，有利于传输，而UTF-32 或UCS4 则是4 字节的定长编码，
有利于计算。

当下的JavaScript 内部支持的仍是定长的UCS2 而不是变长的UTF-16，因此对于处理
UCS4 的字符它无能为力。所有的JavaScript 引擎都被迫保留了这个缺陷，包括V8 在内，因
此你无法使用Node.js 处理罕见的字符。想用Node.js 实现一个多语言的字典工具？还是算了
吧，除非你放弃使用string 数据类型，把所有的字符当作二进制的Buffer 数据来处理。

6.5 参考资料

 “深入浅出Node.js （三）：深入Node.js 的模块机制”: http://www.infoq.com/cn/articles/
nodejs-module-mechanism。
 《Node Web开发》David Herron著，人民邮电出版社出版。
 “遭遇回调函数产生的陷阱”: http://club.cnodejs.org/topic/4f6f057f8a04d82a3d0d230a。
 What Is Node? JavaScript Breaks Out of the Browser: http://shop.oreilly.com/product/06369
20021506. do。
 “Node.js 究竟是什么？一个“编码就绪”服务器”: http://www.ibm.com/developerworks/
cn/opensource/os-nodejs/。
 “Node.js is Cancer”: http://teddziuba.com/2011/10/node-js-is-cancer.html。
 “Node.js is Candy”: http://xentac.net/2011/10/05/1-nodejs-is-candy.html。
 “V8 does not support UCS 4 characters”: http://code.google.com/p/v8/issues/ detail?id=1697。