# 字符串的扩展 ES6加强了对Unicode的支持，并且扩展了字符串对象。 ## 字符的Unicode表示法 JavaScript允许采用`\uxxxx`形式表示一个字符，其中“xxxx”表示字符的码点。 ```javascript "\u0061" // "a" ``` 但是，这种表示法只限于`\u0000`——`\uFFFF`之间的字符。超出这个范围的字符，必须用两个双字节的形式表达。 ```javascript "\uD842\uDFB7" // "𠮷" "\u20BB7" // " 7" ``` 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，只要将码点放入大括号，就能正确解读该字符。 ```javascript "\u{20BB7}" // "𠮷" "\u{41}\u{42}\u{43}" // "ABC" let hello = 123; hell\u{6F} // 123 '\u{1F680}' === '\uD83D\uDE80' // true ``` 上面代码中，最后一个例子表明，大括号表示法与四字节的UTF-16编码是等价的。 有了这种表示法之后，JavaScript共有6种方法可以表示一个字符。 ```javascript '\z' === 'z' // true '\172' === 'z' // true '\x7A' === 'z' // true '\u007A' === 'z' // true '\u{7A}' === 'z' // true ``` ## 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码点大于0xFFFF的字符），JavaScript会认为它们是两个字符。 ```javascript var s = "𠮷"; s.length // 2 s.charAt(0) // '' s.charAt(1) // '' s.charCodeAt(0) // 55362 s.charCodeAt(1) // 57271 ``` 上面代码中，汉字“𠮷”的码点是`0x20BB7`，UTF-16编码为`0xD842 0xDFB7`（十进制为55362 57271），需要4个字节储存。对于这种4个字节的字符，JavaScript不能正确处理，字符串长度会误判为2，而且`charAt`方法无法读取整个字符，`charCodeAt`方法只能分别返回前两个字节和后两个字节的值。 ES6提供了`codePointAt`方法，能够正确处理4个字节储存的字符，返回一个字符的码点。 ```javascript var s = '𠮷a'; s.codePointAt(0) // 134071 s.codePointAt(1) // 57271 s.charCodeAt(2) // 97 ``` `codePointAt`方法的参数，是字符在字符串中的位置（从0开始）。上面代码中，JavaScript将“𠮷a”视为三个字符，codePointAt方法在第一个字符上，正确地识别了“𠮷”，返回了它的十进制码点134071（即十六进制的`20BB7`）。在第二个字符（即“𠮷”的后两个字节）和第三个字符“a”上，`codePointAt`方法的结果与`charCodeAt`方法相同。 总之，`codePointAt`方法会正确返回32位的UTF-16字符的码点。对于那些两个字节储存的常规字符，它的返回结果与`charCodeAt`方法相同。 `codePointAt`方法返回的是码点的十进制值，如果想要十六进制的值，可以使用`toString`方法转换一下。 ```javascript var s = '𠮷a'; s.codePointAt(0).toString(16) // "20bb7" s.charCodeAt(2).toString(16) // "61" ``` 你可能注意到了，`codePointAt`方法的参数，仍然是不正确的。比如，上面代码中，字符`a`在字符串`s`的正确位置序号应该是1，但是必须向`charCodeAt`方法传入2。解决这个问题的一个办法是使用`for...of`循环，因为它会正确识别32位的UTF-16字符。 ```javascript var s = '𠮷a'; for (let ch of s) { console.log(ch.codePointAt(0).toString(16)); } // 20bb7 // 61 ``` `codePointAt`方法是测试一个字符由两个字节还是由四个字节组成的最简单方法。 ```javascript function is32Bit(c) { return c.codePointAt(0) > 0xFFFF; } is32Bit("𠮷") // true is32Bit("a") // false ``` ## String.fromCodePoint() ES5提供`String.fromCharCode`方法，用于从码点返回对应字符，但是这个方法不能识别32位的UTF-16字符（Unicode编号大于`0xFFFF`）。 ```javascript String.fromCharCode(0x20BB7) // "ஷ" ``` 上面代码中，`String.fromCharCode`不能识别大于`0xFFFF`的码点，所以`0x20BB7`就发生了溢出，最高位`2`被舍弃了，最后返回码点`U+0BB7`对应的字符，而不是码点`U+20BB7`对应的字符。 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" String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y' // true ``` 上面代码中，如果`String.fromCodePoint`方法有多个参数，则它们会被合并成一个字符串返回。 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。 ## 字符串的遍历器接口 ES6为字符串添加了遍历器接口（详见《Iterator》一章），使得字符串可以被`for...of`循环遍历。 ```javascript for (let codePoint of 'foo') { console.log(codePoint) } // "f" // "o" // "o" ``` 除了遍历字符串，这个遍历器最大的优点是可以识别大于`0xFFFF`的码点，传统的`for`循环无法识别这样的码点。 ```javascript var text = String.fromCodePoint(0x20BB7); for (let i = 0; i < text.length; i++) { console.log(text[i]); } // " " // " " for (let i of text) { console.log(i); } // "𠮷" ``` 上面代码中，字符串`text`只有一个字符，但是`for`循环会认为它包含两个字符（都不可打印），而`for...of`循环会正确识别出这一个字符。 ## at() ES5对字符串对象提供`charAt`方法，返回字符串给定位置的字符。该方法不能识别码点大于`0xFFFF`的字符。 ```javascript 'abc'.charAt(0) // "a" '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。 目前，有一个提案，提出字符串实例的`at`方法，可以识别Unicode编号大于`0xFFFF`的字符，返回正确的字符。 ```javascript 'abc'.at(0) // "a" '𠮷'.at(0) // "𠮷" ``` 这个方法可以通过[垫片库](https://github.com/es-shims/String.prototype.at)实现。 ## normalize() 许多欧洲语言有语调符号和重音符号。为了表示它们，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提供字符串实例的`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`方法可以接受一个参数来指定`normalize`的方式，参数的四个可选值如下。 - `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”。（这只是用来举例，`normalize`方法不能识别中文。） - `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。 ## includes(), 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。 - **includes()**：返回布尔值，表示是否找到了参数字符串。 - **startsWith()**：返回布尔值，表示参数字符串是否在源字符串的头部。 - **endsWith()**：返回布尔值，表示参数字符串是否在源字符串的尾部。 ```javascript var s = 'Hello world!'; s.startsWith('Hello') // true s.endsWith('!') // true s.includes('o') // true ``` 这三个方法都支持第二个参数，表示开始搜索的位置。 ```javascript var s = 'Hello world!'; s.startsWith('world', 6) // true s.endsWith('Hello', 5) // true s.includes('Hello', 6) // false ``` 上面代码表示，使用第二个参数`n`时，`endsWith`的行为与其他两个方法有所不同。它针对前`n`个字符，而其他两个方法针对从第`n`个位置直到字符串结束。 ## repeat() `repeat`方法返回一个新字符串，表示将原字符串重复`n`次。 ```javascript 'x'.repeat(3) // "xxx" 'hello'.repeat(2) // "hellohello" 'na'.repeat(0) // "" ``` 参数如果是小数，会被取整。 ```javascript 'na'.repeat(2.9) // "nana" ``` 如果`repeat`的参数是负数或者`Infinity`，会报错。 ```javascript 'na'.repeat(Infinity) // RangeError 'na'.repeat(-1) // RangeError ``` 但是，如果参数是0到-1之间的小数，则等同于0，这是因为会先进行取整运算。0到-1之间的小数，取整以后等于`-0`，`repeat`视同为0。 ```javascript 'na'.repeat(-0.9) // "" ``` 参数`NaN`等同于0。 ```javascript 'na'.repeat(NaN) // "" ``` 如果`repeat`的参数是字符串，则会先转换成数字。 ```javascript 'na'.repeat('na') // "" 'na'.repeat('3') // "nanana" ``` ## padStart()，padEnd() ES7推出了字符串补全长度的功能。如果某个字符串不够指定长度，会在头部或尾部补全。`padStart`用于头部补全，`padEnd`用于尾部补全。 ```javascript 'x'.padStart(5, 'ab') // 'ababx' 'x'.padStart(4, 'ab') // 'abax' 'x'.padEnd(5, 'ab') // 'xabab' 'x'.padEnd(4, 'ab') // 'xaba' ``` 上面代码中，`padStart`和`padEnd`一共接受两个参数，第一个参数用来指定字符串的最小长度，第二个参数是用来补全的字符串。 如果原字符串的长度，等于或大于指定的最小长度，则返回原字符串。 ```javascript 'xxx'.padStart(2, 'ab') // 'xxx' 'xxx'.padEnd(2, 'ab') // 'xxx' ``` 如果用来补全的字符串与原字符串，两者的长度之和超过了指定的最小长度，则会截去超出位数的补全字符串。 ```javascript 'abc'.padStart(10, '0123456789') // '0123456abc' ``` 如果省略第二个参数，则会用空格补全长度。 ```javascript 'x'.padStart(4) // ' x' 'x'.padEnd(4) // 'x ' ``` `padStart`的常见用途是为数值补全指定位数。下面代码生成10位的数值字符串。 ```javascript '1'.padStart(10, '0') // "0000000001" '12'.padStart(10, '0') // "0000000012" '123456'.padStart(10, '0') // "0000123456" ``` 另一个用途是提示字符串格式。 ```javascript '12'.padStart(10, 'YYYY-MM-DD') // "YYYY-MM-12" '09-12'.padStart(10, 'YYYY-MM-DD') // "YYYY-09-12" ``` ## 模板字符串 传统的JavaScript语言，输出模板通常是这样写的。 ```javascript $('#result').append( 'There are ' + basket.count + ' ' + 'items in your basket, ' + '' + basket.onSale + ' are on sale!' ); ``` 上面这种写法相当繁琐不方便，ES6引入了模板字符串解决这个问题。 ```javascript $('#result').append(` There are ${basket.count} items in your basket, ${basket.onSale} are on sale! `); ``` 模板字符串（template string）是增强版的字符串，用反引号（`）标识。它可以当作普通字符串使用，也可以用来定义多行字符串，或者在字符串中嵌入变量。 ```javascript // 普通字符串 `In JavaScript '\n' is a line-feed.` // 多行字符串 `In JavaScript this is not legal.` console.log(`string text line 1 string text line 2`); // 字符串中嵌入变量 var name = "Bob", time = "today"; `Hello ${name}, how are you ${time}?` ``` 上面代码中的模板字符串，都是用反引号表示。如果在模板字符串中需要使用反引号，则前面要用反斜杠转义。 ```javascript var greeting = `\`Yo\` World!`; ``` 如果使用模板字符串表示多行字符串，所有的空格和缩进都会被保留在输出之中。 ```javascript $('#list').html(` `); ``` 上面代码中，所有模板字符串的空格和换行，都是被保留的，比如`