mirror of
https://github.com/ruanyf/es6tutorial.git
synced 2025-05-24 18:32:22 +00:00
417 lines
15 KiB
Markdown
417 lines
15 KiB
Markdown
# 字符串的新增方法
|
||
|
||
本章介绍字符串对象的新增方法。
|
||
|
||
## String.fromCodePoint()
|
||
|
||
ES5 提供`String.fromCharCode()`方法，用于从 Unicode 码点返回对应字符，但是这个方法不能识别码点大于`0xFFFF`的字符。
|
||
|
||
```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，可以识别大于`0xFFFF`的字符，弥补了`String.fromCharCode()`方法的不足。在作用上，正好与下面的`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。
|
||
|
||
## String.raw()
|
||
|
||
ES6 还为原生的 String 对象，提供了一个`raw()`方法。该方法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，往往用于模板字符串的处理方法。
|
||
|
||
```javascript
|
||
String.raw`Hi\n${2+3}!`
|
||
// 实际返回 "Hi\\n5!"，显示的是转义后的结果 "Hi\n5!"
|
||
|
||
String.raw`Hi\u000A!`;
|
||
// 实际返回 "Hi\\u000A!"，显示的是转义后的结果 "Hi\u000A!"
|
||
```
|
||
|
||
如果原字符串的斜杠已经转义，那么`String.raw()`会进行再次转义。
|
||
|
||
```javascript
|
||
String.raw`Hi\\n`
|
||
// 返回 "Hi\\\\n"
|
||
|
||
String.raw`Hi\\n` === "Hi\\\\n" // true
|
||
```
|
||
|
||
`String.raw()`方法可以作为处理模板字符串的基本方法，它会将所有变量替换，而且对斜杠进行转义，方便下一步作为字符串来使用。
|
||
|
||
`String.raw()`本质上是一个正常的函数，只是专用于模板字符串的标签函数。如果写成正常函数的形式，它的第一个参数，应该是一个具有`raw`属性的对象，且`raw`属性的值应该是一个数组，对应模板字符串解析后的值。
|
||
|
||
```javascript
|
||
// `foo${1 + 2}bar`
|
||
// 等同于
|
||
String.raw({ raw: ['foo', 'bar'] }, 1 + 2) // "foo3bar"
|
||
```
|
||
|
||
上面代码中，`String.raw()`方法的第一个参数是一个对象，它的`raw`属性等同于原始的模板字符串解析后得到的数组。
|
||
|
||
作为函数，`String.raw()`的代码实现基本如下。
|
||
|
||
```javascript
|
||
String.raw = function (strings, ...values) {
|
||
let output = '';
|
||
let index;
|
||
for (index = 0; index < values.length; index++) {
|
||
output += strings.raw[index] + values[index];
|
||
}
|
||
|
||
output += strings.raw[index]
|
||
return output;
|
||
}
|
||
```
|
||
|
||
## 实例方法：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 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”（注意，这个字不是“吉祥”的“吉”）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
|
||
let s = '𠮷a';
|
||
|
||
s.codePointAt(0) // 134071
|
||
s.codePointAt(1) // 57271
|
||
|
||
s.codePointAt(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
|
||
let s = '𠮷a';
|
||
|
||
s.codePointAt(0).toString(16) // "20bb7"
|
||
s.codePointAt(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`codePointAt()`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
|
||
let s = '𠮷a';
|
||
for (let ch of s) {
|
||
console.log(ch.codePointAt(0).toString(16));
|
||
}
|
||
// 20bb7
|
||
// 61
|
||
```
|
||
|
||
另一种方法也可以，使用扩展运算符（`...`）进行展开运算。
|
||
|
||
```javascript
|
||
let arr = [...'𠮷a']; // arr.length === 2
|
||
arr.forEach(
|
||
ch => 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
|
||
```
|
||
|
||
## 实例方法：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。
|
||
|
||
## 实例方法：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原字符串的头部。
|
||
- **endsWith()**：返回布尔值，表示参数字符串是否在原字符串的尾部。
|
||
|
||
```javascript
|
||
let 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
|
||
let 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。
|
||
|
||
## 实例方法：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"
|
||
```
|
||
|
||
## 实例方法：padStart()，padEnd()
|
||
|
||
ES2017 引入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，第一个参数是字符串补全生效的最大长度，第二个参数是用来补全的字符串。
|
||
|
||
如果原字符串的长度，等于或大于最大长度，则字符串补全不生效，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最大长度，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，默认使用空格补全长度。
|
||
|
||
```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"
|
||
```
|
||
|
||
## 实例方法：trimStart()，trimEnd()
|
||
|
||
[ES2019](https://github.com/tc39/proposal-string-left-right-trim) 对字符串实例新增了`trimStart()`和`trimEnd()`这两个方法。它们的行为与`trim()`一致，`trimStart()`消除字符串头部的空格，`trimEnd()`消除尾部的空格。它们返回的都是新字符串，不会修改原始字符串。
|
||
|
||
```javascript
|
||
const s = ' abc ';
|
||
|
||
s.trim() // "abc"
|
||
s.trimStart() // "abc "
|
||
s.trimEnd() // " abc"
|
||
```
|
||
|
||
上面代码中，`trimStart()`只消除头部的空格，保留尾部的空格。`trimEnd()`也是类似行为。
|
||
|
||
除了空格键，这两个方法对字符串头部（或尾部）的 tab 键、换行符等不可见的空白符号也有效。
|
||
|
||
浏览器还部署了额外的两个方法，`trimLeft()`是`trimStart()`的别名，`trimRight()`是`trimEnd()`的别名。
|
||
|
||
## 实例方法：matchAll()
|
||
|
||
`matchAll()`方法返回一个正则表达式在当前字符串的所有匹配，详见《正则的扩展》的一章。
|
||
|
||
## 实例方法：replaceAll()
|
||
|
||
历史上，字符串的实例方法`replace()`只能替换第一个匹配。
|
||
|
||
```javascript
|
||
'aabbcc'.replace('b', '_')
|
||
// 'aa_bcc'
|
||
```
|
||
|
||
上面例子中，`replace()`只将第一个`b`替换成了下划线。
|
||
|
||
如果要替换所有的匹配，不得不使用正则表达式的`g`修饰符。
|
||
|
||
```javascript
|
||
'aabbcc'.replace(/b/g, '_')
|
||
// 'aa__cc'
|
||
```
|
||
|
||
正则表达式毕竟不是那么方便和直观，[ES2021](https://github.com/tc39/proposal-string-replaceall) 引入了`replaceAll()`方法，可以一次性替换所有匹配。
|
||
|
||
```javascript
|
||
'aabbcc'.replaceAll('b', '_')
|
||
// 'aa__cc'
|
||
```
|
||
|
||
它的用法与`replace()`相同，返回一个新字符串，不会改变原字符串。
|
||
|
||
```javascript
|
||
String.prototype.replaceAll(searchValue, replacement)
|
||
```
|
||
|
||
上面代码中，`searchValue`是搜索模式，可以是一个字符串，也可以是一个全局的正则表达式（带有`g`修饰符）。
|
||
|
||
如果`searchValue`是一个不带有`g`修饰符的正则表达式，`replaceAll()`会报错。这一点跟`replace()`不同。
|
||
|
||
```javascript
|
||
// 不报错
|
||
'aabbcc'.replace(/b/, '_')
|
||
|
||
// 报错
|
||
'aabbcc'.replaceAll(/b/, '_')
|
||
```
|
||
|
||
上面例子中，`/b/`不带有`g`修饰符，会导致`replaceAll()`报错。
|
||
|
||
`replaceAll()`的第二个参数`replacement`是一个字符串，表示替换的文本，其中可以使用一些特殊字符串。
|
||
|
||
- `$&`：匹配的子字符串。
|
||
- `` `$` ``：匹配结果前面的文本。
|
||
- `$'`：匹配结果后面的文本。
|
||
- `$n`：匹配成功的第`n`组内容，`n`是从1开始的自然数。
|
||
- `$$`：指代美元符号`$`。
|
||
|
||
```javascript
|
||
'abc'.replaceAll('b', '$$')
|
||
// 'a$c'
|
||
```
|
||
|
||
上面例子中，`$$`表示替换的文本是单个美元符号`$`。
|
||
|
||
`replaceAll()`的第二个参数`replacement`除了为字符串，也可以是一个函数，该函数的返回值将替换掉第一个参数`searchValue`匹配的文本。
|
||
|
||
```javascript
|
||
'aabbcc'.replaceAll('b', () => '_')
|
||
// 'aa__cc'
|
||
```
|
||
|
||
上面例子中，`replaceAll()`的第二个参数是一个函数，该函数的返回值会替换掉所有`b`的匹配。
|
||
|
||
这个替换函数可以接受多个参数。第一个参数是捕捉到的匹配内容，第二个参数捕捉到是组匹配（有多少个组匹配，就有多少个对应的参数）。此外，最后还可以添加两个参数，倒数第二个参数是捕捉到的内容在整个字符串中的位置，最后一个参数是原字符串。
|
||
|
||
```javascript
|
||
const str = '123abc456';
|
||
const regex = /(\d+)([a-z]+)(\d+)/g;
|
||
|
||
function replacer(match, p1, p2, p3, offset, string) {
|
||
return [p1, p2, p3].join(' - ');
|
||
}
|
||
|
||
str.replaceAll(regex, replacer)
|
||
// 123 - abc - 456
|
||
```
|
||
|
||
上面例子中，正则表达式有三个组匹配，所以`replacer()`函数的第一个参数`match`是捕捉到的匹配内容（即字符串`123abc456`），后面三个参数`p1`、`p2`、`p3`则依次为三个组匹配。
|
||
|