Emoji小知识

UTF-8 编码下的 emoji 大小不是固定的，可能占用 3~8 字节
参考：Unicode Emoji 列表

比如，可以用以下正则匹配所有 四字节 emoji：

[\\u{10000}-\\u{10FFFF}]

原理说明

1. UTF-8 编码长度

   • 常见的 BMP（Basic Multilingual Plane）字符占用 1~3 字节。
   • 超出 BMP 范围的字符（如大部分 emoji）会占用 4 字节。
   • 某些 emoji 由多个 Unicode 码点组合而成（如带肤色、性别的变体），可能达到 8 字节甚至更多。

2. 正则匹配四字节字符

   • \u{10000}-\u{10FFFF} 表示 Unicode 编码范围在 U+10000 到 U+10FFFF 的字符。
   • 这些字符在 UTF-8 中会被编码为 4 字节。
   • 在 JavaScript 中需要开启 u（Unicode）标志才能正确解析：

     const regex = /[\u{10000}-\u{10FFFF}]/gu;