由多个码点组成的单个字符是否属于surrogate pair（代理对）？

结论 #

你给出的两个示例均不属于代理对（Surrogate Pair），这类字符属于 Unicode 规范定义的「字形簇（Grapheme Cluster）」，由基础字符+组合修饰符拼接而成。

代理对的核心定义 #

代理对是 UTF-16 编码体系的专属设计，专门用于表示码点大于 0xFFFF（即无法用单个16位空间存储）的 Unicode 字符，规则是固定由两个16位码元组成：

• 第一个码元为高代理，取值范围是 U+D800 ~ U+DBFF
• 第二个码元为低代理，取值范围是 U+DC00 ~ U+DFFF

注意：高、低代理区间的码值本身没有对应任何可独立使用的字符，必须成对组合才能表示一个完整的 Unicode 字符（码点范围 U+10000 ~ U+10FFFF）。

你的示例和代理对的差异 #

你给出的两个示例中所有码点均不在代理对的专属区间内：

1. 第一个示例 '\u0057\u0303'：
   • \u0057 是可独立显示的基础字符「拉丁字母W」
   • \u0303 是组合变音符号「波浪叠加符」
     两者都是有独立定义的 Unicode 码点，拼接后仅在视觉上呈现为单个带修饰的字符。
2. 第二个示例 '\u0053\u0307\u0323'：
   同理，是基础字符S叠加两个组合修饰符的字形簇，支持使用2个甚至更多独立码点组合出单个视觉字符，这和代理对的编码机制完全不同。

代理对的正确示例 #

以常用emoji「咧嘴笑脸😀」为例，它的完整 Unicode 码点是 U+1F600，大于 0xFFFF 所以需要用代理对表示，在JavaScript中写法为：

// 高代理U+D83D + 低代理U+DE00 组成完整的😀字符
let str = '\uD83D\uDE00';
console.log(str); // 输出😀
console.log(str.length); // 输出2（因为UTF-16下占两个16位码元）

快速区分两者的方法（JavaScript环境） #

调用 String.prototype.codePointAt(index) 方法即可快速判断：

• 如果是代理对，传索引0会返回大于 0xFFFF 的完整字符码点
• 如果是组合字形簇，传索引0只会返回第一个基础字符的码点

内容的提问来源于stack exchange，提问作者Heaven