mirror of
https://github.com/ruanyf/es6tutorial.git
synced 2025-05-27 20:32:21 +00:00
Merge branch 'gh-pages' of github.com:ruanyf/es6tutorial into gh-pages
This commit is contained in:
commit
479aeac635
@ -26,6 +26,16 @@ Array.from(arrayLike).map(x => x * x);
|
||||
|
||||
```
|
||||
|
||||
Array.from()的一个应用是,将字符串转为数组,然后返回字符串的长度。这样可以避免JavaScript将大于\uFFFF的Unicode字符,算作两个字符的bug。
|
||||
|
||||
```javascript
|
||||
|
||||
function countSymbols(string) {
|
||||
return Array.from(string).length;
|
||||
}
|
||||
|
||||
```
|
||||
|
||||
## Array.of()
|
||||
|
||||
Array.of()方法用于将一组值,转换为数组。
|
||||
|
148
docs/string.md
148
docs/string.md
@ -2,7 +2,7 @@
|
||||
|
||||
ES6加强了对Unicode的支持,并且扩展了字符串对象。
|
||||
|
||||
## codePointAt方法
|
||||
## codePointAt()
|
||||
|
||||
JavaScript内部,字符以UTF-16的格式储存,每个字符固定为2个字节。对于那些需要4个字节储存的字符(Unicode编号大于0xFFFF的字符),JavaScript会认为它们是两个字符。
|
||||
|
||||
@ -50,18 +50,52 @@ is32Bit("a") // false
|
||||
|
||||
```
|
||||
|
||||
## String.fromCodePoint方法
|
||||
## String.fromCodePoint()
|
||||
|
||||
该方法用于从Unicode编号返回对应的字符串,作用与codePointAt正好相反。
|
||||
ES5提供String.fromCharCode方法,用于从Unicode编号返回对应字符,但是这个方法不能识别辅助平面的字符(编号大于0xFFFF)。
|
||||
|
||||
```javascript
|
||||
|
||||
String.fromCodePoint(134071) // "𠮷"
|
||||
String.fromCharCode(0x20BB7)
|
||||
// "ஷ"
|
||||
|
||||
```
|
||||
|
||||
上面代码中,最后返回的字符编号是0x0BB7,而不是0x20BB7。
|
||||
|
||||
ES6提供了String.fromCodePoint方法,可以识别0xFFFF的字符,弥补了String.fromCharCode方法的不足。在作用上,正好与codePointAt方法相反。
|
||||
|
||||
```javascript
|
||||
|
||||
String.fromCodePoint(0x20BB7)
|
||||
// "𠮷"
|
||||
|
||||
```
|
||||
|
||||
注意,fromCodePoint方法定义在String对象上,而codePointAt方法定义在字符串的实例对象上。
|
||||
|
||||
## at()
|
||||
|
||||
ES5提供String.prototype.charAt方法,返回字符串给定位置的字符。该方法不能识别Unicode编号大于0xFFFF的字符。
|
||||
|
||||
```javascript
|
||||
|
||||
'𠮷'.charAt(0)
|
||||
// '\uD842'
|
||||
|
||||
```
|
||||
|
||||
上面代码中,charAt方法返回的是UTF-16编码的第一个字节,实际上是无法显示的。
|
||||
|
||||
ES7提供了at方法,可以识别Unicode编号大于0xFFFF的字符,返回正确的字符。
|
||||
|
||||
```javascript
|
||||
|
||||
'𠮷'.at(0)
|
||||
// '𠮷'
|
||||
|
||||
```
|
||||
|
||||
## 字符的Unicode表示法
|
||||
|
||||
JavaScript允许采用“\uxxxx”形式表示一个字符,其中“xxxx”表示字符的Unicode编号。
|
||||
@ -87,19 +121,26 @@ JavaScript允许采用“\uxxxx”形式表示一个字符,其中“xxxx”表
|
||||
|
||||
上面代码表示,如果直接在“\u”后面跟上超过0xFFFF的数值(比如\u20BB7),JavaScript会理解成“\u20BB+7”。由于\u20BB是一个不可打印字符,所以只会显示一个空格,后面跟着一个7。
|
||||
|
||||
ES6对这一点做出了改进,只要将超过0xFFFF的编号放入大括号,就能正确解读该字符。
|
||||
ES6对这一点做出了改进,只要将Unicode编号放入大括号,就能正确解读该字符。
|
||||
|
||||
```javascript
|
||||
|
||||
"\u{20BB7}"
|
||||
// "𠮷"
|
||||
|
||||
"\u{41}\u{42}\u{43}"
|
||||
// "ABC"
|
||||
|
||||
```
|
||||
|
||||
## 正则表达式的u修饰符
|
||||
|
||||
ES6对正则表达式添加了u修饰符,用来正确处理大于\uFFFF的Unicode字符。
|
||||
|
||||
**(1)点字符**
|
||||
|
||||
点(.)字符在正则表达式中,解释为除了换行以外的任意单个字符。对于大于\uFFFF的Unicode字符,点字符不能识别,必须加上u修饰符。
|
||||
|
||||
```javascript
|
||||
|
||||
var s = "𠮷";
|
||||
@ -111,6 +152,46 @@ var s = "𠮷";
|
||||
|
||||
上面代码表示,如果不添加u修饰符,正则表达式就会认为字符串为两个字符,从而匹配失败。
|
||||
|
||||
**(2)Unicode字符表示法**
|
||||
|
||||
ES6新增了使用大括号表示Unicode字符,这种表示法在正则表达式中必须加上u修饰符,才能识别。
|
||||
|
||||
```javascript
|
||||
|
||||
/\u{61}/.test('a') // false
|
||||
/\u{61}/u.test('a') // true
|
||||
/\u{20BB7}/u.test('𠮷') // true
|
||||
|
||||
```
|
||||
|
||||
上面代码表示,如果不加u修饰符,正则表达式无法识别`\u{61}`这种表示法,只会认为这匹配属61个连续的u。
|
||||
|
||||
**(3)量词**
|
||||
|
||||
使用u修饰符后,所有量词都会正确识别大于\uFFFF的Unicode字符。
|
||||
|
||||
```javascript
|
||||
|
||||
/a{2}/.test('aa') // true
|
||||
/a{2}/u.test('aa') // true
|
||||
/𠮷{2}/.test('𠮷𠮷') // false
|
||||
/𠮷{2}/u.test('𠮷𠮷') // true
|
||||
|
||||
```
|
||||
|
||||
**(4)预定义模式**
|
||||
|
||||
u修饰符也影响到预定义模式,能否正确识别大于\uFFFF的Unicode字符。
|
||||
|
||||
```javascript
|
||||
|
||||
/^\S$/.test('𠮷') // false
|
||||
/^\S$/u.test('𠮷')
|
||||
|
||||
```
|
||||
|
||||
上面代码的`\S`是预定义模式,匹配所有不是空格的字符。只有加了u修饰符,它才能正确匹配大于\uFFFF的Unicode字符。
|
||||
|
||||
利用这一点,可以写出一个正确返回字符串长度的函数。
|
||||
|
||||
```javascript
|
||||
@ -127,6 +208,63 @@ codePointLength(s) // 2
|
||||
|
||||
```
|
||||
|
||||
**(5)i修饰符**
|
||||
|
||||
有些Unicode字符的编码不同,但是字型很相近,比如,\u004B与\u212A都是大写的K。
|
||||
|
||||
```javascript
|
||||
|
||||
/[a-z]/i.test('\u212A') // false
|
||||
/[a-z]/iu.test('\u212A') // true
|
||||
|
||||
```
|
||||
|
||||
上面代码中,不加u修饰符,就无法识别非规范的K字符。
|
||||
|
||||
## normalize()
|
||||
|
||||
为了表示语调和重音符号,Unicode提供了两种方法。一种是直接提供带重音符号的字符,比如Ǒ(\u01D1)。另一种是提供合成符号(combining character),即原字符与重音符号的合成,两个字符合成一个字符,比如O(\u004F)和ˇ(\u030C)合成Ǒ(\u004F\u030C)。
|
||||
|
||||
这两种表示方法,在视觉和语义上都等价,但是JavaScript不能识别。
|
||||
|
||||
```javascript
|
||||
|
||||
'\u01D1'==='\u004F\u030C' //false
|
||||
|
||||
'\u01D1'.length // 1
|
||||
'\u004F\u030C'.length // 2
|
||||
|
||||
```
|
||||
|
||||
上面代码表示,JavaScript将合成字符视为两个字符,导致两种表示方法不相等。
|
||||
|
||||
ES6提供String.prototype.normalize()方法,用来将字符的不同表示方法统一为同样的形式,这称为Unicode正规化。
|
||||
|
||||
```javascript
|
||||
|
||||
'\u01D1'.normalize() === '\u004F\u030C'.normalize()
|
||||
// true
|
||||
|
||||
```
|
||||
|
||||
normalize方法可以接受四个参数。
|
||||
|
||||
- NFC,默认参数,表示“标准等价合成”(Normalization Form Canonical Composition),返回多个简单字符的合成字符。所谓“标准等价”指的是视觉和语义上的等价。
|
||||
- NFD,表示“标准等价分解”(Normalization Form Canonical Decomposition),即在标准等价的前提下,返回合成字符分解的多个简单字符。
|
||||
- NFKC,表示“兼容等价合成”(Normalization Form Compatibility Composition),返回合成字符。所谓“兼容等价”指的是语义上存在等价,但视觉上不等价,比如“囍”和“喜喜”。
|
||||
- NFKD,表示“兼容等价分解”(Normalization Form Compatibility Decomposition),即在兼容等价的前提下,返回合成字符分解的多个简单字符。
|
||||
|
||||
```javascript
|
||||
|
||||
'\u004F\u030C'.normalize(NFC).length // 1
|
||||
'\u004F\u030C'.normalize(NFD).length // 2
|
||||
|
||||
```
|
||||
|
||||
上面代码表示,NFC参数返回字符的合成形式,NFD参数返回字符的分解形式。
|
||||
|
||||
不过,normalize方法目前不能识别三个或三个以上字符的合成。这种情况下,还是只能使用正则表达式,通过Unicode编号区间判断。
|
||||
|
||||
## contains(), startsWith(), endsWith()
|
||||
|
||||
传统上,JavaScript只有indexOf方法,可以用来确定一个字符串是否包含在另一个字符串中。ES6又提供了三种新方法。
|
||||
|
Loading…
x
Reference in New Issue
Block a user