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。

jscopied
console.log('\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2个双字节的形式表示。

以上字符用“吉”来代替

jscopied
console.log('\uD842\uDF87'); // '吉'
console.log('\u20BB7'); // ' 7'

上面的代码表示，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，后面跟一个7。

ES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。

jscopied
console.log('\u{20BB7}'); // '吉'

console.log('\u{41}\u{42}\u{43}'); // 'ABC'

let hello = 123;
console.log(hell\u{6F}); // 123

console.log('\u{1F680}' === '\uD83D\uDe80'); // true

上面的代码中，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6种方法可以表示一个字符。

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

codePointAt()

JavaScript内部，字符以UTF-16的格式储存，每个字符固定为2字符。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。

jscopied
var s = '吉';

console.log(s.length) // 2
console.log(s.charAt(0)) // ''
console.log(s.charAt(1)) // ''
console.log(s.charCodeAt(0)) // 55362
console.log(s.charCodeAt(1)) // 57271

上面的代码中，汉字“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个字节储存的字符，返回一个字符的码点。

jscopied
var s = '吉a';

console.log(s.codePointAt(0)) // 134071
console.log(s.codePointAt(1)) // 57271
console.log(s.codePointAt(2)) // 97

console.log(s.charCodeAt(0)) // 55362
console.log(s.charCodeAt(1)) // 57271
console.log(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）。上面的代码中，JavaScript将“吉a”视为3个字符。codePointAt方法在第一个字符上正确地识别了“吉”，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“吉”的后2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方法转换一下。

jscopied
var s = '吉a';

console.log(s.codePointAt(0).toString(16)); // 20bb7
console.log(s.charCodeAt(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，上面的代码中，字符a在字符串s中的正确位置序号应该是1，但是必须向charCodeAt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。

jscopied
var s = '吉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2个字节还是4个字节组成的最简单方法。

jscopied
function is32Bit(c) {
  return c.codePointAt(0) > 0xFFFF;
}

console.log(is32Bit('吉')) // true
console.log(is32Bit('a')) // false

String.fromCodePoint()

ES5提供了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32位的UTF-16字符（Unicode编号大于0xFFFF）。

jscopied
console.log(String.fromCharCode(0x20BB7)); // 'ஷ'

上面的代码中，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，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。在作用上与codePointAt方法相反

jscopied
console.log(String.fromCodePoint(0x20BB7)); // 吉

console.log(String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDe80y') // true

上面的代码中，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。

字符串的遍历器接口

ES6为字符串添加了遍历器接口，使字符串可以由for...of循环遍历。

jscopied
for (let codePoint of 'foo') {
  console.log(codePoint)
}

// "f"
// "o"
// "o"

除了遍历字符串，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。

jscopied
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)
}
// "吉"

上面的代码中，字符串text只有一个字符，但是for循环会认为它包含2个字符（都不可打印），而for...of循环会正确地识别出这个字符。

at()

ES5对字符串对象提供了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。

jscopied
console.log('abc'.charAt(0)); // "a"
console.log('吉'.charAt(0)); // "\uD842"

上面的代码中，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为字符串实例提供了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。

jscopied
console.log('abc'.at(0)); // "a"
console.log('吉'.at(0)); // "吉"

nomalize()

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，如Ǒ（\u01D1）；另一种是提供合成符号（combinding character），即原字符与重音符号合成为一个字符，比如O(\u004F)和ˇ（\u030C）合成Ǒ（\u004F\u030C）。这两种表示方法，在视觉上和语义上都等价，但是JavaScript无法识别。JavaScript将合成字符视为2个字符，导致两种表示方法不等价

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。

jscopied
console.log('\u01D1'.normalize() === '\u004F\u030C'.normalize()); // true

normalize方法可以接受4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”指的是视觉上和语义上的等价。
• NFD，默认参数，表示“标准等价分解”（Normalization Form Canonical Decomposition），即在标准等价的前提下，返回合成字符分解出的多个简单字符。
• 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”指的是语义上等价，但是视觉上不等价，比如“双喜”和“囍”。（这只是举例，normalize方法并不能识别中文）
• NFKD, 表示“兼容等价分解”（Normalization Form Composition Decomposition），即在兼容等价的前提下，返回合成字符分解出的多个简单字符。

jscopied
let code = '\u004F\u030C';
console.log(code.normalize('NFC').length) // 1
console.log(code.normalize('NFD').length) // 2

上面的代码表示，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3个或3个以上字符的合成。这种情况，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中只有indexOf方法可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3种方法：

• 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。

jscopied
var s = 'Hello world!';

console.log(s.startsWith('Hello')); // true
console.log(s.endsWith('!')); // true
console.log(s.includes('o')); // true

这3个方法都支持第2个参数，表示开始搜索的位置

jscopied
var s = 'Hello world!';

console.log(s.startsWith('world', 6)); // true
console.log(s.endsWith('Hello', 5)); // true
console.log(s.includes('Hello', 6)); // false

上面的代码表示，使用第2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个位置开始直到字符串结束的字符。

repeat()

repeat方法返回一个新字符串，表示将原字符串重复n次。

jscopied
'x'.repeat(3) // 'xxx'
'hello'.repeat(2) // 'hellohello'
'na'.repeat(0) // ''

参数如果是小数，会被取整。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，取整之后等于-0，repeat视同为0。

jscopied
'na'.repeat(Infinity) // RangeError: Invalid count value
'na'.repeat(-1) // RangeError: Invalid count value

'na'.repeat(-0.9) // ''
// 参数NaN等同于0
'na'.repeat(NaN) // ''
// 如果repeat的参数是字符串，则会先转换成数字。
'na'.repeat('3') // 'nanana'

padStart()，padEnd()

ES7推出了字符串补全长度的功能。如果某个字符串未达到指定的长度，会在头部或尾部补全。padStart用于头部补全，padEnd用于尾部补全。

jscopied
'x'.padStart(5, 'ab') // 'ababx'
'x'.padStart(4, 'ab') // 'abax'

'x'.padEnd(5, 'ab') // 'xabab'
'x'.padEnd(4, 'ab') // 'xaba'

上面的代码中，padStart和padEnd分别接受两个参数，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大于或等于指定的最小长度，则返回原字符串。如果省略第二个参数，则会用空格来补全。

jscopied
'xxx'.padStart(2, 'ab') // 'xxx'
'xxx'.padEnd(2, 'ab') // 'xxx'

'x'.padStart(4) // '   x'
'x'.padEnd(4) // 'x   '

模板字符串

传统的JavaScript输出模板通常是这样写的：

jscopied
$('#result').append(
  'There are <b>' + basket.count + '</b>' + 
  'items in your basket, ' +
  '<em>' + basket.onSale +
  '</em> are on sale!'
);

上面的这种写法相当烦琐而不方便，ES6引入了模板字符串来解决这个问题：

jscopied
$('#result').append(`
  There are <b>${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。他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。

jscopied
// 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}?`

以上代码中的字符串都使用了反引号。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。

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。

模板字符中还能调用函数。

jscopied
function f () { return "Hello world!"; }

console.log(`foo ${f()} bar`); // 'foo Hello world bar'

如果大括号中的值不是字符串，将按照一般规则转为字符串。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。

由于模板字符串的大括号内部就是要执行的JavaScript代码，因此大括号内部如果是一个字符串，将会原样输出。

如果需要引用模板字符串本身，可以像下面这样写：

jscopied
// 写法一
let str = 'return ' + '`Hello ${name}!`';
let func = new Function('name', str);
console.log(func('Jack')); // 'Hello Jack!'

// 写法二
let str = '(name) => `Hello ${name}!`';
let func = eval.call(null, str);
console.log(func('Jack')); // 'Hello Jack!'

实例：模板编译

下面，我们来看一个通过模板字符串生成正式模板的实例。

jscopied
var template = `
<ul>
  <% for (var i = 0; i < data.supplies.length; i++) { %>
    <li><%= data.supplies[i] %></li>
  <% } %>
</ul>
`;

上面的代码在模板字符串中放置了一个常规模板。该模板使用<% ... %>放置JavaScript代码，使用<%= ... %>输出JavaScript表达式。

怎么编译这个模板字符串呢？

一种思路是将其转换为JavaScript表达式字符串。

jscopied
echo('<ul>');
for (var i = 0; i < data.supplies.length; i++) {
  echo('<li>');
  echo(data.supplies[i]);
  echo('</li>');
}
echo('</ul>');

这个转换使用正则表达式即可。

jscopied
var evalExpr = /<%=(.+?)%>/g;
var expr = /<%([\s\S]+?)%>/g;

template = template
  .replace(evalExpr, '`); \n echo( $1 ); \n echo(`')
  .replace(expr, '`); \n $1 \n echo(`');

template = 'echo(`' + template + '`);';

然后，将template封装在一个函数里面返回即可。

jscopied
var script = `
(function parse(data) {
  var output = '';

  function echo(html) {
    output += html;
  }

  $ { template }

  return output;
})
`;

return script;

将上面的内容拼成一个模板编译函数compile。

jscopied
function compile(template) {
  var evalExpr = /<%=(.+?)%>/g;
  var expr = /<%([\s\S]+?)%>/g;

  template = template
    .replace(evalExpr, '`); \n echo( $1 ); \n echo(`')
    .replace(expr, '`); \n $1 \n echo(`');

  template = 'echo(`' + template + '`);';

  var script = `
  (function parse(data) {
    var output = '';

    function echo(html) {
      output += html;
    }

    $ { template }

    return output;
  })
  `;

  return script;
}

compile函数的用法如下：

jscopied
var parse = eval(compile(template));
div.innerHTML = parse({ supplies: ["broom", "mop", "cleaner"] });
// <ul>
//   <li>broom</li>
//   <li>mop</li>
//   <li>cleaner</li>
// </ul>

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。这就被称为“标签模板”功能（tagged template）。

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。

jscopied
var a = 5;
var b = 10;

tag`Hello ${a + b} world ${a * b}`;

上面的代码中，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，就是函数tag会依次接收到多个参数。

jscopied
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、第二个成员和第三个成员之间，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会接收到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：

jscopied
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函数的一种写法及运行结果：

jscopied
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"

“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。

jscopied
var message = SafeHTML`<p>${sender} has sent you a message</p>`;

function SafeHTML (templateData) {
  var s = templateData[0];
  for (var i = 1; i < arguments.length; i++) {
    var arg = String(argumetns[i]);

    // Escape special characters in the substitution.
    s += arg.replace(/&/g, "&amp;")
            .replace(/</g, "&lt;")
            .replace(/>/g, "&gt;");

    // Don's escape special characters in the template.
    s += templateData[i];
  }
  return s;
}

上面的代码中，经过SafeHTML函数的处理，HTML字符串中的特殊字符都会被转义。

标签模板的另一个应用是多语言转换（国际化处理）。

jscopied
i18n`Wecome to ${siteName}, you are visitor number ${visitorNumber}!`
// "欢迎访问xxx,您是第xxxx位访问者！"

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。

除此之外，你甚至可以使用标签模板，在JavaScript语言中嵌入其他语言。

String.raw()

ES6还为原生的String对象提供了raw方法。

String.raw方法往往用来充当模板字符串的处理函数，返回一个反斜线都被转义的字符串，对应于替换变量后的模板字符串。

jscopied
String.raw`Hi\n${2+3}!`; // 'Hi\\n5!'

String.raw`Hi\u000A!`; // 'Hi\\u000A!'

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。

jscopied
String.raw`Hi\\n`; // 'Hi\\n'

String.raw的代码基本如下：

jscopied
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，字会将所有变量替换，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，具raw属性的值应该是一个数组。

jscopied
String.raw({ raw: 'test' }, 0, 1, 2); // 't0e1s2t'

// 等同于
String.raw({ raw: ['t', 'e', 's', 't'] }, 0, 1, 2);

以上，摘抄自阮一峰老师的《ES6标准入门》