Julia语言含大字符UTF32String拼接问题及解决方案问询

这确实是Julia 0.x版本里LegacyStrings包和字符串拼接逻辑的一个坑，我来给你几个实用的解决方案：

1. 手动构造UTF32String完成拼接，避免自动转码 #

默认的*运算符会触发字符串类型的自动提升，强制转成UTF8String导致超大码点被替换。我们可以绕过这个逻辑，直接操作UTF32String的底层数据数组来拼接：

using LegacyStrings

# 原代码中的初始化
a = Char(69058047)
b = UTF32String(a)
c = UTF32String("")

# 手动拼接底层UInt32数组，再重新构造UTF32String
d = UTF32String(vcat(b.data, c.data))

# 验证结果
typeof(d)  # 输出 UTF32String，保持原类型
Int(d[1])  # 输出 69058047，原码点完整保留

2. 直接用原始数值数组存储，按需转换 #

如果你的业务场景需要处理超出Unicode标准范围的超大码点（注：Unicode的最大有效码点是0x10FFFF，即1114111，你用的69058047已经超出这个范围），依赖Unicode字符串类型本身就容易出问题，不如直接用数值数组存储原始码点：

# 用UInt32数组直接存储码点，避免Unicode转换逻辑干扰
b_data = UInt32[69058047]
c_data = UInt32[]
d_data = vcat(b_data, c_data)

# 必须用UTF32String时再转换
d = UTF32String(d_data)

3. 升级到Julia 1.x版本（长期最优解） #

Julia 0.x的字符串系统已经被彻底重构，1.x版本统一了字符串类型，废弃了LegacyStrings包，对Unicode的支持更完善，拼接逻辑也不会随意截断或替换非标准码点。如果你的项目允许升级，这是从根源上解决问题的最佳方式。

补充说明：为什么原代码会出现截断？ #

在Julia 0.4/0.6中，字符串拼接的类型提升规则会优先将结果转为UTF8String，但UTF8编码无法表示超出Unicode有效范围的码点，所以会自动将无效码点替换为U+FFFD（即65533，Unicode的替换字符），这就是你看到的"截断"现象。

内容的提问来源于stack exchange，提问作者zyc