mirror of
https://github.com/ruanyf/es6tutorial.git
synced 2025-05-24 18:32:22 +00:00
547 lines
16 KiB
Markdown
547 lines
16 KiB
Markdown
# 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 <b>" + basket.count + "</b> " +
|
||
"items in your basket, " +
|
||
"<em>" + basket.onSale +
|
||
"</em> 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
|
||
$("#result").append(`
|
||
There are <b>${basket.count}</b> items
|
||
in your basket, <em>${basket.onSale}</em>
|
||
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(`
|
||
<h1>Watch out!</h1>
|
||
<p>Unauthorized hockeying can result in penalties
|
||
of up to ${maxPenalty} minutes.</p>
|
||
`);
|
||
```
|
||
|
||
模板字符串中嵌入变量，需要将变量名写在`${}`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`<p>${sender} has sent you a message.</p>`;
|
||
|
||
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, "<")
|
||
.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`
|
||
<ul>
|
||
#for book in ${myBooks}
|
||
<li><i>#{book.title}</i> by #{book.author}</li>
|
||
#end
|
||
</ul>
|
||
`;
|
||
```
|
||
|
||
除此之外，你甚至可以使用标签模板，在JavaScript语言之中嵌入其他语言。
|
||
|
||
```javascript
|
||
java`
|
||
class HelloWorldApp {
|
||
public static void main(String[] args) {
|
||
System.out.println(“Hello World!”); // Display the string.
|
||
}
|
||
}
|
||
`
|
||
HelloWorldApp.main();
|
||
```
|
||
|
||
模板处理函数的第一个参数（模板字符串数组），还有一个raw属性。
|
||
|
||
```javascript
|
||
tag`First line\nSecond line`
|
||
|
||
function tag(strings) {
|
||
console.log(strings.raw[0]);
|
||
// "First line\\nSecond line"
|
||
}
|
||
```
|
||
|
||
上面代码中，tag函数的第一个参数strings，有一个raw属性，也指向一个数组。该数组的成员与strings数组完全一致。比如，strings数组是`["First line\nSecond line"]`，那么strings.raw数组就是`["First line\\nSecond line"]`。两者唯一的区别，就是字符串里面的斜杠都被转义了。比如，strings.raw数组会将`\n`视为\和n两个字符，而不是换行符。这是为了方便取得转义之前的原始模板而设计的。
|
||
|
||
## String.raw()
|
||
|
||
ES6还为原生的String对象，提供了一个raw方法。
|
||
|
||
String.raw方法，往往用来充当模板字符串的处理函数，返回一个斜杠都被转义（即斜杠前面再加一个斜杠）的字符串，对应于替换变量后的模板字符串。
|
||
|
||
```javascript
|
||
String.raw`Hi\n${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);
|
||
```
|