如何用原生JavaScript将Unicode字符转换为HTML数字实体

乱码的核心是循环遍历逻辑没有适配占2个UTF-16码元的Unicode代理对字符：

• JavaScript中字符串的length属性统计的是UTF-16码元的数量，不是实际Unicode字符的数量，类似🙂、𝌆这类位于辅助平面的字符会占用2个码元
• 原有代码循环每次固定将索引i加1，处理完代理对的第一个码元并转成实体后，下一次循环会单独读取代理对的第二个残余码元，这个码元本身是不合法的Unicode字符，编码后就会出现乱码黑钻石�符号

修改循环逻辑，检测到当前字符是代理对时，将i多跳1位跳过第二个码元即可，原有codePointAt的polyfill无需调整：

function html_encode(s) {
  var ret_val = '';
  var i = 0;
  while (i < s.length) {
    var code = s.codePointAt(i);
    if (code > 127) {
      ret_val += '&#' + code + ';';
    } else {
      ret_val += s.charAt(i);
    }
    // 代理对占用2个码元，索引跳2位，否则跳1位
    i += code > 0xFFFF ? 2 : 1;
  }
  return ret_val;
}

你下载的是he.js的源代码模板文件，其中<%= encodeMap %>是构建阶段使用的模板变量语法，未经过编译直接引入就会报语法错误，下载已经编译完成的生产版本文件即可正常使用。

内容的提问来源于stack exchange，提问作者abe1432181