2. 类型和值：String 和 Symbol

2. 类型和值：String 和 Symbol

1. 学习 Unicode, utf-16, utf-8 是什么，有什么区别？

• Unicode:

全球字符的统一的一个字符集。Unicode 字符集使得每一个字符都有一个整数编号。

编号规则：Unicode 将字符分为 17 个平面，第 1 个平面（称为基本多语言平面）到第 17 个平面（其他平面称为辅助平面）编号为 0(0x0) 到 16(0x10)。而对于每一个平面都有 2^16 (65536, 0x0000-0xFFFF)个字符，编号为 0 到 65535。因此对于每一个字符，它的 Unicode 编号是从 16 进制 0x000000 到 0x10FFFF，我们用 码位 表示为：U+0000 到 U+10FFFF。

值得注意的是：基本多语言平面内，从 U+D800(10 进制：55296) 到 U+DFFF(57343) 之间的码位（共 2048 个码位）是永久保留不映射到 Unicode 字符（utf-16 利用了这一点）。

对于这个外星人字符 👽，它的码位为 U+1F47D，所以它位于 17 个平面的第 2 个，且在这个平面中它的编号为 62589。我们可以使用 JavaScript 中的 Unicode 转义字符打印看看效果：

console.log('\u{1F47D}');

Unicode 只是规定了一个字符对应什么编号，但是这个编号在二进制的计算机中存储的时候，就必须使用字节的整数倍来表示。如果直接使用 Unicode 这种方式来存储，那么首先 17 个语言平面的编号需要一个字节（2^8 = 256），然后每个平面的 65536(2^16 = 2*(2^8))个字符需要 2 个字节。那么对于每一个字符总共就需要 3 个字节。这样的存储方式是很浪费空间的。

utf-8 和 utf-16 是另外 2 种存储方式，他们都使用了变长编码的概念，因此比较节省空间。

• utf-16

(1) 对于基本多语言平面内（U+0000 到 U+FFFF，不包括前面提到的 U+D800 到 U+DFFF 之间的范围）的，因为一个平面就是 2^16 个字符，因此用 2 个字节就可以存储（在 UTF-16 中，2 个字节被称为一个 码元）。
(2) 对于辅助平面（U+010000 到 U+10FFFF）的，使用 4 个字节来存储，相当于 2 个 码元，这称为 代理对。前面的码元称为 前导代理，后面的码元称为 后导代理。

具体的编码方法如下表：

前导代理/后导代理	DC00(56320)	DC01	…	DFFF(56320+1023=57343)
D800(55296)	10000	10001	…	103FF
D801	10400	10401	…	107FF
…	…	…	…	…
DBFF(55296+1023=56319)	10FC00	10FC01	…	10FFFF

从这个表格看到，前导代理范围是从 0xD800 到 0xDBFF，共 0xDBFF - 0xD800 + 1 = 56319 - 55296 + 1 = 1024 = 2^10 种情况，后导代理范围从 0xDC00 到 0XDFFF，共 0xDFFF - 0xDC00 + 1 = 57343 - 56320 + 1 = 1024 = 2^10种情况。因此，总共有这些情况 2^10 * 2^10 = 0x10FFFF-0x10000 + 1，恰好覆盖了辅助平面的码位。

可以看到，前导代理利用了基本多语言平面内没有被使用的空间：U+D800 到 U+DBFF，而后导代理刚好利用了剩下的空间：U+DC00 到 U+DFFF，这样巧妙地设计，辅助平面的编码方式虽然是 2 个码元，但是也不可能被识别成 2 个位于基本多语言平面的码元。

• utf-8

(1) 128 个 US-ASCII 字符只需一个字节编码（Unicode 范围由 U+0000 至 U+007F）。
(2) 带有附加符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母则需要两个字节编码（Unicode 范围由 U+0080 至 U+07FF）。
(3) 其他基本多文种平面（BMP）中的字符（这包含了大部分常用字，如大部分的汉字）使用三个字节编码（Unicode 范围由 U+0800 至 U+FFFF）。
(4) 其他极少使用的 Unicode 辅助平面的码位使用四字节编码（Unicode 范围由 U+10000 至 U+10FFFF）。

具体编码方法如下表：

码位	二进制	utf-8	说明
U+0000-U+007F(128)	00000000 00000000 0zzzzzzz	0zzzzzzz(00-7F)	ASCII 码位范围，字节从 0 开始
U+0080-U+07FF(1920)	00000000 00000yyy yyzzzzzz	110yyyyy(C0-DF) 10zzzzzz(80-BF)	第一个字节由 110 开始，接着的字节由 10 开始
U+0800-U+D7FF/U+E000-U+FFFF(61440)	00000000 xxxxyyyy yyzzzzzz	1110xxxx(E0-EF) 10yyyyyy 10zzzzzz	第一个字节由 1110 开始，接着的字节由 10 开始
U+010000-U+10FFFF(1048576)	000wwwxx xxxxyyyy yyzzzzzz	11110www(F0-F7) 10xxxxxx 10yyyyyy 10zzzzzz	第一个字节由 11110 开始，接着的字节由 10 开始

2. 解释下面代码所示的问题。

const text = '😀';
console.log(text.length);
// -> 2
// 为什么有一些字符的长度打印出来是 2？
// JavaScript String 类型底层使用的是 utf-16 吗？

JavaScript 底层将 String 类型的值解释一个由 UTF-16 码元组成的序列，而 length 属性只是反映了码元的数量。

在这个例子中，text 是一个表情字符，它不位于基本多语言平面，因此表示为一个代理对，即 2 个码元。因此打印出了 2。

3. 学习 Symbol 类型，Symbol 类型可以怎么用？列举一些常见的周知符号，了解他们的作用。

Symbol 类型的用法：

• 防止属性冲突

const obj = {};
const sym = Symbol('prop');

// 不会产生属性冲突
obj[sym] = 'something';

• 枚举

const ButtonShape = {
  Rect: Symbol(0),
  Rounded: Symbol(1),
  Circle: Symbol(2),
};

// ...

switch (buttonShapes) {
  case ButtonShape.Rect:
    break;
  case ButtonShape.Rounded:
    break;
  case ButtonShape.Circle:
    break;
  default:
    break;
}

周知符号：

• Symbol.toStringTag

这个周知符号在使用 Object.prototype.toString 方法进行类型判断时，可以被用到。

const foo = {
  [Symbol.toStringTag]: 'foo',
};

console.log(Object.prototype.toString.call(foo).slice(8, -1));
// -> 'foo'

• Symbol.iterator

这个周知符号在实现可迭代对象时可以用到。

Number.prototype[Symbol.iterator] = function () {
  let i = 0;

  return {
    next: () => ({ value: i, done: i++ === this.valueOf() }),
  };
};

console.log(...10);
// -> 0 1 2 3 4 5 6 7 8 9