emoji

emoji 最容易让人误判的地方只有一个：它是字符，不是图片。所以它受编码、长度、字符集、字体这几套规则约束——而这几套规则对“一个 emoji”的计数方式各不相同。

它是字符#

😀 是一个码位（U+1F600），和其他字符一样存在文本里。你看到的那张彩色脸，是字体把它画出来的。

推论（都很关键）：

• 同一段文字，在 Apple、Google、Microsoft 的系统上长得不一样——那是三家各自的 emoji 字体在设计；
• 截图与设计稿里的 emoji 换台机器就不可复现；
• 字体可以完全不带 emoji 字形，那时浏览器会回退到系统的 emoji 字体（见 整形与回退）；
• 彩色 emoji 是用位图或矢量表实现的（CBDT、sbix、COLR 等），但对使用它的代码来说，它仍然只是一个字符。

三种长度#

同一个字符串，三种算法给出三个数：

家庭 emoji 由“男人 + 零宽连接符 + 女人 + 零宽连接符 + 女孩”拼成：五个码位，其中两个 U+200D 自己不占宽度，但决定了前后要不要拼成一个。

'😀'.length                                    // 2   ← 码元
'😀'.codePointAt(0)                            // 128512
[...'😀'].length                               // 1   ← 码位
[...new Intl.Segmenter().segment('👨‍👩‍👧')].length  // 1   ← 字素簇

要做“字符计数器”（输入框剩余字数、昵称长度限制），先想清楚要数哪一种。多数产品要的是字素簇，而实现里用的往往是 .length。

字节数#

UTF-8 下，每个 emoji 通常是 4 字节（BMP 之外的码位都是 4 字节）：

new TextEncoder().encode('😀').length   // 4
Buffer.byteLength('😀', 'utf8')         // 4（Node）

“按字节算”与“按字符算”在这里能差 4 倍——数据库里的很多问题都源于此。

数据库里的长度#

先区分两类问题，它们长得像、原因完全不同：

一是字符集放不下。 MySQL 的 utf8 实际上是 utf8mb3（每字符最多 3 字节），存 4 字节的 emoji 会直接失败：

Incorrect string value: '\xF0\x9F\x98\x80' for column 'name' at row 1

这不是长度不够，是列（或连接）的字符集只支持 3 字节。解决：库、表、列、连接全部用 utf8mb4。

二是长度口径不一致。

• VARCHAR(n) 在 MySQL 里按字符计（n 个字符，不是字节）；PostgreSQL 同样按字符；SQLite 基本不限；
• 但“字符”在 MySQL 里指码位，不是字素簇——一个家庭 emoji 算 5 个；
• LENGTH() 返回字节，CHAR_LENGTH() 返回字符（Postgres 是 OCTET_LENGTH() 与 LENGTH()）：

  SELECT LENGTH('😀'), CHAR_LENGTH('😀');   -- 4, 1

  用 LENGTH() 去做业务判断，中文和 emoji 都会立刻超标；
• 索引前缀有字节上限：旧行格式（COMPACT）是 767 字节，utf8mb4 每字符 4 字节，于是 VARCHAR(191) 成了当年的标准写法；DYNAMIC 行格式下是 3072 字节（约 VARCHAR(768)）。

前端与后端的口径#

同一句话，三层给的数可能都不一样：

于是“前端说还能输 1 个字，后端说超长”这种情况会出现。通用做法：

• 前端用 [...value].length 或 Intl.Segmenter 计数，别直接用 .length；
• 后端按字符（CHAR_LENGTH）校验；
• 存之前统一 normalize('NFC')（见 字符属性）；
• 永远不要按字节截断字符串——那会切出半个代理对，得到乱码。

渲染：它不是一张图片#

因为 emoji 是字符，它的样子由字体 + 系统决定：

• Apple Color Emoji、Segoe UI Emoji、Noto Color Emoji 是三家各自的设计，同一个码位画法不同；
• 有的字符有两个“样子”（文本式与 emoji 式），用变体选择符指定：U+FE0F 要 emoji 式，U+FE0E 要文本式；
• 系统或字体没跟上 Unicode 版本时，新 emoji 会显示成豆腐块。

所以“设计稿上是这个 emoji”在别的机器上可能变成另一个形状——这不是 bug，是字符的正常行为。

在本站能看到什么#

• 字符抽屉里能查到任意字符的码位与各语言转义（星平面字符的 \uD83D\uDE00 写法尤其容易写错）；
• 覆盖率里通常看不到 emoji：普通西文/中文字体不含 emoji 字形，页面上那些 emoji 是系统 emoji 字体画的；
• 度量面板测 emoji 时，如果字体没有它的字形，会明确告诉你“字体里没有这个字符”。

延伸阅读#

• Unicode 标准：emoji 相关章节与 emoji-data.txt
• UTS #51（Unicode Emoji）
• MDN：Intl.Segmenter、String#codePointAt
• 本站：码位与平面、字符属性