创建无效的 UTF8 字符串答案

【问题标题】：Create invalid UTF8 string创建无效的 UTF8 字符串
【发布时间】：2017-09-11 01:04:27
【问题描述】：

是否可以使用 Javascript 创建无效的 UTF8 字符串？

我找到的每个解决方案都依赖于String.fromCharCode，它会生成undefined，而不是无效的字符串。我看到有人提到格式错误的 UTF8 字符串（即https://developer.mozilla.org/en-US/docs/Web/API/WebSocket#send()）会产生错误，但我不知道你将如何实际创建一个。

【问题讨论】：

这里提到的错误与UTF-8字符串无关，javascript内部一般不使用UTF-8来表示字符串。
@pvg：感谢您指出错误。不知道为什么我认为 UTF8 是 javascript 编码。我的问题应该更具体：如何创建包含不成对代理项的字符串？
我不完全确定，文档看起来很模糊，尽管可以深入到 javascript 字符串的内部并做很多奇怪的事情而不会立即着火。 i.imgur.com/sWVE0IY.png

标签： javascript utf-8

【解决方案1】：

使用 JavaScript 生成无效 UTF-8 字符串的一种方法是获取表情符号并删除最后一个字节。

例如，这将是一个无效的 UTF-8 字符串：

const invalidUtf8 = '???'.substr(0,5);

【讨论】：

【解决方案2】：

JavaScript 中的字符串是 UTF-16 代码单元的计数序列。代码单元代表 Unicode 代码点有一个隐含的约定。即便如此，也可以表示任何 UTF-16 代码单元序列——甚至是不成对的代理。

我发现String.fromCharCode(0xd801) 返回替换字符，这似乎很合理（而不是undefined）。任何文本函数都可以这样做，但出于效率原因，我确信许多文本操作只会传递无效序列，除非操作需要将它们解释为代码点。

创建此类字符串的最简单方法是使用字符串文字。例如，"\uD83D \uDEB2" 或 "\uD83D" 或 "\uDEB2" 而不是有效的 "\uD83D\uDEB2"。

"\uD83D \uDEB2".replace(" ","") 实际上确实返回了"\uD83D\uDEB2" ("?")，但我认为您不应指望来自不是 Unicode 代码点的有效 UTF-16 编码的字符串的任何好处。

【讨论】：

没有什么好处正是我所希望的 ;) 我试图在 websocket 中可靠地生成一个错误以用于测试目的。不幸的是，您提供的字符串文字被转换为由空格分隔的两个替换字符（至少在 Chrome 中）。不过感谢您提供的信息。知道还是有用的。