3 字符串的扩展

字符Unicode的表示法

javascript允许采用 \uxxxx(Unicode码点) 形式表示一个字符。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示。

"\u20BB7"---会理解为 "\u20BB+7" // " 7"

ES6 对这一点做出了改进，只需要将码点放入大括号，就能正确解读该字符

"\u{20BB7}" //"?"
"\u{41}\u{42}\u{43}" //ABC
let hello = 123;
hell\u{6F} // 123
"\u{1F680}" === "\uD83D\uDE80" // true

有了这种表示法之后，Javascript共有6种方法可以表示一个字符

'\z' === 'z'  //true
'\172' === 'z'  //true
'\x7A' === 'z'  //true
'\u007A' === 'z'  //true
'\u{7A}' === 'z'  //true

codePoint()

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。

var s = "?";
s.length // 2
s.charAt(0) // ''
s.charAt(1) // ''
s.charCodeAt(0) // 55362
s.charCodeAt(1) // 57271

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

var s = '?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“?a”视为三个字符，codePointAt方法在第一个字符上，正确地识别了“?”，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“?”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。

var s = '?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...of¹循环，因为它会正确识别32位的UTF-16字符。

var s = '?a';
for (let ch of s) {
  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。

function is32Bit(c) {
  return c.codePointAt(0) > 0xFFFF;
} 
is32Bit("?") // true
is32Bit("a") // false

---

1. for-in 循环用来遍历对象属性；for-of 循环用来遍历数据-例如数组中的值，但是不仅如此它还支持：大多数类数组对象、字符串遍历(将字符串视为一系列的Unicode字符进行遍历)、Map对象遍历、Set对象遍历 ↩