人名、地名里的生僻字：系统怎么做

---

• 常见的坑
• 代码示例
• 测试清单
• 合规要求

---

适合谁看：开发会员、订单、政务、金融等要录入人名和地址的系统，不想让生僻字用户「改名」的开发者。

常见的坑

环节	常见问题	正确做法
数据库	MySQL 用 utf8（即 utf8mb3），存不下 4 字节字符，扩展区的字被截断或报错	库、表、字段、连接全部用 utf8mb4
输入校验	用 [\u4e00-\u9fa5] 判断「是不是汉字」，把扩展区的字当成非法字符	用 Unicode 属性判断，如 JavaScript 的 /\p{Script=Han}/u
长度限制	按 UTF-16 单元计算长度，一个扩展区汉字算 2 个字符，名字被判「太长」	按码位或「字素」计算长度
截断显示	截断时把代理对、变体选择符切开，出现乱码	按码位或字素截断
旧接口	和外部系统用 GBK 交换数据，扩展区的字变问号	用 UTF-8；必须用国标编码时用 GB 18030
显示	字体没有这个字，显示方框	字体栈加补字字体，见《网页和系统里怎么显示生僻字》
打印、证件	打印机或 PDF 没有嵌入字体	生成 PDF 时嵌入有这个字的字体

代码示例

JavaScript 判断是否全是汉字（包括扩展区）：

const isHan = (s) => /^\p{Script=Han}+$/u.test(s);
isHan("𠮷"); // true（U+20BB7，扩展 B）

按码位计算长度：

[..."𠮷野"].length; // 2，而 "𠮷野".length 是 3

MySQL 建表：

CREATE TABLE person (
  name VARCHAR(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci
);

连接时也要指定 utf8mb4，否则数据在传输中就会出错。

测试清单

上线前，至少用下面几类字测一遍：

• 扩展 A 的字（基本平面，但很多字体没有）；
• 扩展 B 及以后的字（4 字节）；
• 带变体选择符的字，见《异体字、变体选择符和汉字描述序列》；
• 输入、保存、搜索、导出 Excel、打印、短信、对接第三方，每个环节都要过。

合规要求

用于政务服务和公共服务的产品，GB 18030-2022 要求满足实现级别 3，见《GB 18030：中文编码的国家标准》。

参考资料