字符串的扩展
字符的Unicode表示
字符串方法
JavaScript 许采用\uxxxx
形式表示一个字符,其中 xxxx 表示字符的 Unicode 码点。但是,,这种表示法只限于码点在\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,例如(‘𠮷’:\uD842\uDFB7
)。如果直接在\u
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,所以只会显示空格,后面跟一个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。(\u{20BB7}
)
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2个字符。
var s = '𠮷';
s.length; //2
汉字‘𠮷’的码点是0x20BB7
,UTF-16编码为0xD842 0xDFB7
(十进制为55362 57271
),需要4个字节存储。对于这种4个字节的字符, JavaScript 不能正确处理,字符串长度会被误判为2,而且 charAt 方法无法读取整个字符, charCodeAt 方法只能分别返回前2个字节和后2个字节的值。
es6提供了codePointAt方法,能够正确处理4个字节的字符,返回一个字符的码点。
var s = '𠮷a';
s.codePointAt(0) //134071
s.codePointAt(1) // 57271
s.codePointAt(2) // 97
//字符a在字符串中的正确位置序号应该是2,但是必须传入2。解决这个问题的办法是使用 for ... of 循环,因为它会正确识别 32 位的 UTF-16 字符。
codePointAt 方法的参数是字符在字符串中的位置(从0开始)。上面的代码中, JavaScript将‘𠮷a’视为3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2个字节)和第3个字符“a”上, codePointAt 方法的结果与 charCodeAt 方法相同。
codePointAt 方法会正确返回 32 位的 UTF-16 字符的码点。对于那些2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。
codePointAt 方法是测试一个字符是由2个字节还是4个字节组成的最简单方法。
function is32Bit (c){
return c.codePointAt(0)> 0xFFFF;
}
String.fromCodePoint()
String.fromCharCode | String.fromCodePoint | |
---|---|---|
作用 | 从码点返回对应的字符串 | 从码点返回对应的字符串 |
区别 | 不能识别大于0xFFFF的码点 | 可以识别大于0xFFFF的码点 |
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
at()
ES5 对字符串对象提供了chartAt 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。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。
normalize()
许多欧洲语言有语调符号和重音符号。为了表示它 Unicode 提供了两 方法。一种是直接提供带重音符号的字符,比如Ǒ
(\u01D1
)。另一 是提供合成符号, 即原字符与重音符号合成为一个字符,比 ( \u004F
)和 (\u030C
)合成Ǒ
。这两种表示方法在视觉和语义上都等价,但是 JavaScript 无法识别。
'\u01D1' === '\u004F\u030C' //false
'\u01D1'.length // 1
'\u004F\u030C'.length // 2
ES6 为字符串实例提供了 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。
'\u01D1'.normalize() === '\u004F\u030C'.normalize () //true
normalize 方法可接受一个参数来指定normalize的方式,参数的4个可选值如下:
- NFC,默认参数,表示“标准等价合成”,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”,即在标准等价前提下,返回合成字符分解出的多个简单字符。
- KC ,表示“兼容等价合成”,返回合成字符。 所谓“兼容等价”指的是语义上等价,但视觉上不等价。
- NFKD ,表示“兼容等价分解”,即在兼容等价前提下,返回合成字符分解出的多个简单字符。
'\u004F\u030C'.normalize('NFC').length // 1
'\u004F\u030C'.normalize('NFD').length // 2
normalize 方法目前不能识3个或3个以上字符的合成。这种情况下,还是只能使用正 表达式通过 Unicode 编号区间判断。
includes()
includes()方法返回布尔值,表示是否找到了参数字符串。
使用方法:s.includes(str,n)
,其中str代表待查找的字符串,n是可选参数,表示开始搜索的位置。
startsWith()、 endsWith()
startsWith方法返回布尔值,表示参数字符串是否在源字符串的头部。
使用方法:s.startsWith(str,n)
,其中str代表待查找的字符串,n是可选参数,表示开始搜索的位置。
endsWith方法返回布尔值,表示参数字符串是否在源字符串的尾部。
使用方法:s.endsWith(str,n)
,其中str代表待查找的字符串,n是可选参数,表示在前n个字符前搜索。
var s = 'Hello world!';
s.startsWith('world', 6) //true
s.endsWith('Hello', 5) // true
s.includes('Hello', 6) // false
repeat()
repeat(n)
方法返回一个新字符串,表示将原字符串重复n次。
如果参数是小数会被取整。
如果参数是负数或者Infinity,会报错。-0视同为0。
如果参数是字符串,则会先转成数字。
'na'.repeat(0); // ''
'na'.repeat(NaN); // ''
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()用于补全头部,padEnd()用于补全尾部。
padStart和padEnd接受两个参数,第一个参数用来指定字符串的最小长度,第二个参数则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。
- 如果用来补全的字符串与原字符串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。
- 如果省略第二个参数,会用空格来补全。
'x'.padStart(5,'ab') // 'ababx'
'x'.padStart(4,'ab') // 'abax'
用途:
- 为数值补全指定位数
- 提示字符串格式
字符串的遍历器接口
ES6 为字符串添加了遍历器接口,使得字符串可以由 for … of 循环遍历。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。
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"
}
模板
模板字符串
-
模板字符串是增强版的字符串 ,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。
-
如果在模板字符串中需要使用反引号,则在其前面要用反斜杠转义。
-
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中。
-
在模板字符串中嵌入变量,需要将变量名写在
${}
中,大括号内可以放入任意的 JavaScript 表达式,可以进行运算,以及引用对象属性,还能调用函数。 -
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。
-
如果模板字符串中的变量没有声明,将报错。
-
由于模板字符串的大括号内部就是要执行的 JavaScript代码,因此如果大括号内部是字符串,将会原样输出。
模板字符串可以嵌套使用。
标签模板
模板字符串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。标签模板其实不是模板,而是函数调用的一种特殊形式。“标签”指的就是函数,紧跟在后面的模板字符串就是它的参数。如果模板字符中有变量,需要 将模板字符串先处理成多个参数,再调用函数。
var a = 5 ;
var b = 10;
tag `Hello ${ a + b } world ${ a * b }`;
//等同于
tag (['Hello','world',''], 15, 50);
tag 函数的第一个参数是个数组,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。
//将各个参数拼接回去
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 ) '
// 参数采用 rest 参数的写法
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。另一个应用是多语言转换(国际化处理)。
String.raw()
String.raw 方法往往用来充当模板字符串的处理函数,返回一个反斜线都被转义(即反斜线前面再加个反斜线〉的字符串,对应于替换变量后的模板字符串。
如果原字符串中的反斜线已经转义,那么 String.raw 不会做任何处理。
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,并对反斜线进行转义,方便下一步作为字符串使用。
String.raw 方法也可以作为正常的函数使用。这时,其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。
String.raw`Hi\n${2+3}`;
// 'Hi\\n5!'
String.raw `Hi\uOOOA!`;
// 'Hi\\uOOOA !'
String.raw`Hi\\n`;
// 'Hi \\n'
String.raw({ raw:'test'}, 0, 1, 2) ; //’ t0e1s2t ’
//等同于
String.raw({ raw: ['t' ,'e','s','t' ]} , 0, 1, 2) ;
模板字符串的限制:标签模板中可以内嵌其他语言。但是,模板字符串默认会将字符串转义,导致无法嵌入其他语言。