# 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5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 ``` ## 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辅助平面的字符（编号大于0xFFFF）。 ```javascript String.fromCharCode(0x20BB7) // "ஷ" ``` 上面代码中，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" ``` 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。 ## 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方法会正确返回四字节的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 ``` ## 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。 ES7提供了字符串实例的at方法，可以识别Unicode编号大于0xFFFF的字符，返回正确的字符。Chrome浏览器已经支持该方法。 ```javascript 'abc'.at(0) // "a" '𠮷'.at(0) // "𠮷" ``` ## 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。 ## 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()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" ``` ## 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 $("#warning").html(`

Watch out!

Unauthorized hockeying can result in penalties of up to ${maxPenalty} minutes.

`); ``` 模板字符串中嵌入变量，需要将变量名写在`${}`之中。 ```javascript function authorize(user, action) { if (!user.hasPrivilege(action)) { throw new Error( // 传统写法为 // 'User ' // + user.name // + ' is not authorized to do ' // + action // + '.' `User ${user.name} is not authorized to do ${action}.`); } } ``` 大括号内部可以放入任意的JavaScript表达式，可以进行运算，以及引用对象属性。 ```javascript var x = 1; var y = 2; `${x} + ${y} = ${x + y}` // "1 + 2 = 3" `${x} + ${y * 2} = ${x + y * 2}` // "1 + 4 = 5" var obj = {x: 1, y: 2}; `${obj.x + obj.y}` // 3 ``` 模板字符串之中还能调用函数。 ```javascript function fn() { return "Hello World"; } `foo ${fn()} bar` // foo Hello World bar ``` 如果大括号中的值不是字符串，将按照一般的规则转为字符串。比如，大括号中是一个对象，将默认调用对象的toString方法。 如果模板字符串中的变量没有声明，将报错。 ```javascript // 变量place没有声明 var msg = `Hello, ${place}`; // 报错 ``` 由于模板字符串的大括号内部，就是执行JavaScript代码，因此如果表达式放在引号之中，将会原样输出。 ```javascript `Hello ${'World'}` // "Hello World" ``` ## 标签模板 模板字符串的功能，不仅仅是上面这些。它可以紧跟在一个函数名后面，该函数将被调用来处理这个模板字符串。这被称为“标签模板”功能（tagged template）。 ```javascript var a = 5; var b = 10; tag`Hello ${ a + b } world ${ a * b }`; ``` 上面代码中，模板字符串前面有一个标识名tag，它是一个函数。整个表达式的返回值，就是tag函数处理模板字符串后的返回值。 函数tag依次会接收到多个参数。 ```javascript function tag(stringArr, value1, value2){ // ... } // 等同于 function tag(stringArr, ...values){ // ... } ``` tag函数的第一个参数是一个数组，该数组的成员是模板字符串中那些没有变量替换的部分，也就是说，变量替换只发生在数组的第一个成员与第二个成员之间、第二个成员与第三个成员之间，以此类推。 tag函数的其他参数，都是模板字符串各个变量被替换后的值。由于本例中，模板字符串含有两个变量，因此tag会接受到value1和value2两个参数。 tag函数所有参数的实际值如下。 - 第一个参数：['Hello ', ' world ', ''] - 第二个参数: 15 - 第三个参数：50 也就是说，tag函数实际上以下面的形式调用。 ```javascript tag(['Hello ', ' world ', ''], 15, 50) ``` 我们可以按照需要编写tag函数的代码。下面是tag函数的一种写法，以及运行结果。 ```javascript var a = 5; var b = 10; function tag(s, v1, v2) { console.log(s[0]); console.log(s[1]); console.log(s[2]); console.log(v1); console.log(v2); return "OK"; } tag`Hello ${ a + b } world ${ a * b}`; // "Hello " // " world " // "" // 15 // 50 // "OK" ``` 下面是一个更复杂的例子。 ```javascript var total = 30; var msg = passthru`The total is ${total} (${total*1.05} with tax)`; function passthru(literals) { var result = ""; var i = 0; while (i < literals.length) { result += literals[i++]; if (i < arguments.length) { result += arguments[i]; } } return result; } msg // "The total is 30 (31.5 with tax)" ``` 上面这个例子展示了，如何将各个参数按照原来的位置拼合回去。 passthru函数采用rest参数的写法如下。 ```javascript function passthru(literals, ...values) { var output = ""; for (var index = 0; index < values.length; index++) { output += literals[index] + values[index]; } output += literals[index] return output; } ``` “标签模板”的一个重要应用，就是过滤HTML字符串，防止用户输入恶意内容。 ```javascript var message = SaferHTML`

${sender} has sent you a message.

`; function SaferHTML(templateData) { var s = templateData[0]; for (var i = 1; i < arguments.length; i++) { var arg = String(arguments[i]); // Escape special characters in the substitution. s += arg.replace(/&/g, "&") .replace(//g, ">"); // Don't escape special characters in the template. s += templateData[i]; } return s; } ``` 上面代码中，经过SaferHTML函数处理，HTML字符串的特殊字符都会被转义。 标签模板的另一个应用，就是多语言转换（国际化处理）。 ```javascript i18n`Hello ${name}, you have ${amount}:c(CAD) in your bank account.` // Hallo Bob, Sie haben 1.234,56 $CA auf Ihrem Bankkonto. ``` 模板字符串本身并不能取代Mustache之类的模板库，因为没有条件判断和循环处理功能，但是通过标签函数，你可以自己添加这些功能。 ```javascript // 下面的hashTemplate函数 // 是一个自定义的模板处理函数 var libraryHtml = hashTemplate` `; ``` 除此之外，你甚至可以使用标签模板，在JavaScript语言之中嵌入其他语言。 ```javascript java` class HelloWorldApp { public static void main(String[] args) { System.out.println(“Hello World!”); // Display the string. } } ` HelloWorldApp.main(); ``` 模板处理函数的第一个参数（模板字符串数组），还有一个raw属性。 ```javascript tag`First line\nSecond line` function tag(strings) { console.log(strings.raw[0]); // "First line\\nSecond line" } ``` 上面代码中，tag函数的第一个参数strings，有一个raw属性，也指向一个数组。该数组的成员与strings数组完全一致。比如，strings数组是`["First line\nSecond line"]`，那么strings.raw数组就是`["First line\\nSecond line"]`。两者唯一的区别，就是字符串里面的斜杠都被转义了。比如，strings.raw数组会将`\n`视为\和n两个字符，而不是换行符。这是为了方便取得转义之前的原始模板而设计的。 ## String.raw() ES6还为原生的String对象，提供了一个raw方法。 String.raw方法，往往用来充当模板字符串的处理函数，返回一个斜杠都被转义（即斜杠前面再加一个斜杠）的字符串，对应于替换变量后的模板字符串。 ```javascript String.raw`Hi\n${2+3}!`; // "Hi\\n5!" String.raw`Hi\u000A!`; // 'Hi\\u000A!' ``` 它的代码基本如下。 ```javascript String.raw = function (strings,...values) { var output = ""; for (var index = 0; index < values.length; index++) { output += strings.raw[index] + values[index]; } output += strings.raw[index] return output; } ``` String.raw方法可以作为处理模板字符串的基本方法，它会将所有变量替换，而且对斜杠进行转义，方便下一步作为字符串来使用。 String.raw方法也可以作为正常的函数使用。这时，它的第一个参数，应该是一个具有raw属性的对象，且raw属性的值应该是一个数组。 ```javascript String.raw({ raw: 'test' }, 0, 1, 2); // 't0e1s2t' // 等同于 String.raw({ raw: ['t','e','s','t'] }, 0, 1, 2); ```