Emojis en los Strings y qué es Unicode

Usar Emojis en Strings

Un string puede tener emojis: "Hola, este es mi texto 🔥".

Esto es posible ya que JavaScript usa Unicode como sistema de codificación de caracteres, y los emojis forman parte de Unicode. Entonces, "🔥" es simplemente un carácter Unicode, y JavaScript lo trata como cualquier otro carácter válido en una cadena de texto.

const emoji = "🔥";
console.log(emoji); // Muestra "🔥"
console.log(emoji.length); // Muestra 2

¿Por qué el length es 2? Esto es porque algunos emojis están codificados con lo que se llama surrogate pairs. Unicode tiene más de 1 millón de caracteres posibles, pero los primeros sistemas como UTF-16 solo podían representar 65,536 ($2^{16}$).

Entonces, para los caracteres fuera de ese rango, como muchos emojis, se usan 2 valores de 16 bits en lugar de uno. Y a eso se lo llama un surrogate pair (par sustituto).

"🔥" === "\uD83D\uDD25"; // true

Ese emoji se representa como DOS unidades de código UTF-16. Y por eso el length es 2.

Unicode

Unicode fue creado en 1987 y es un sistema de codificación de caracteres muy grande y moderno. Tiene espacio para todos los idiomas, símbolos, emojis y más. Su primer versión fue lanzada en 1991 y fue creado para unificar todo bajo un solo estándar de caracteres para todos los lenguajes humanos, y también símbolos matemáticos, emojis, etc.

Entonces, como JavaScript usa Unicode, puede manejar emojis, letras de otros idiomas, símbolos matemáticos, y hasta jeroglíficos egipcios. Cada carácter Unicode tiene un punto de código único:

console.log("🔥".codePointAt(0).toString(16)); // Muestra 1f525

Esto nos quiere decir que el emoji "🔥" tiene el código Unicode U+1F525.

Conceptos clave de JavaScript

Lenguajes con Unicode

Hoy en día, casi todos los lenguajes modernos soportan Unicode, al menos en algún nivel. Algunos ejemplos son JavaScript, Python, Java, C#, Go, Ruby, Swift y PHP.

¿ASCII puede representar emojis?

No, el ASCII original es un sistema MUY limitado: solo soporta 128 caracteres (del 0 al 127), incluyendo letras del alfabeto inglés, números, símbolos básicos y caracteres de control (control characters). No tiene espacio para caracteres especiales de otros idiomas ni mucho menos para emojis.