ES6之字符串的扩展
date
Jun 13, 2018
slug
kxinudkq
status
Published
tags
JavaScript
summary
type
Post
[TOC]
杂项介绍
字符的 Unicode 表示法:将码点放入大括号。
"\u{20BB7}"// "𠮷""\u{41}\u{42}\u{43}"// "ABC"let hello = 123;hell\u{6F} // 123'\u{1F680}' === '\uD83D\uDE80'// true// 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
ES6 为字符串添加了遍历器接口
for...of
,这个遍历器最大的优点是可以识别大于 0xFFFF 的码点。for (let codePoint of 'foo') { console.log(codePoint) // "f" "o" "o"}let text = String.fromCodePoint(0x20BB7); // "\uD842\uDFB7" "\u{20BB7}"for (let i = 0; i < text.length; i++) { console.log(text[i]); // " " " "}for (let i of text) { console.log(i); // "𠮷"}
根据标准 JSON 数据必须是 UTF-8 编码。但 JSON.stringify()方法有可能返回不符合 UTF-8 标准的字符串。ES2019 改变了 JSON.stringify()的行为。
JSON.stringify('\u{D834}') // ""\\uD834""JSON.stringify('\uDF06\uD834') // ""\\udf06\\ud834""
模板字符串
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,可以使用 trim 方法消除换行。大括号内部可以放入任意的 JavaScript 表达式,可以进行运算和调用函数,以及引用对象属性,甚至还能嵌套。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。
“标签模板”功能(tagged template),指模板字符串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。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。如果模板字符里面有变量,会将模板字符串先处理成多个参数,再调用函数。
let a = 5;let b = 10;tag`Hello ${ a + b } world ${ a * b }`;// 等同于tag(['Hello ', ' world ', ''], 15, 50);
“标签模板”的一个重要应用,就是过滤 HTML 字符串,防止用户输入恶意内容。
function SaferHTML(templateData) { let s = templateData[0]; for (let i = 1; i < arguments.length; i++) { let arg = String(arguments[i]); // Escape special characters in the substitution. s += arg.replace(/&/g, "&") .replace(/</g, "<") .replace(/>/g, ">"); // Don't escape special characters in the template. s += templateData[i]; } return s;}let sender = '<script>alert("abc")</script>'; // 恶意代码let message = SaferHTML`<p>${sender} has sent you a message.</p>`;
标签模板的另一个应用,就是多语言转换(国际化处理)。
i18n`Welcome to ${siteName}, you are visitor number ${visitorNumber}!`// "欢迎访问xxx,您是第xxxx位访问者!"
使用标签模板,在 JavaScript 语言之中嵌入其他语言。通过sx 函数,将一个 DOM 字符串转为 React 对象。
jsx` <div> <input ref='input' onChange='${this.handleChange}' defaultValue='${this.state.value}' /> ${this.state.value} </div>`
模板处理函数的第一个参数(模板字符串数组),还有一个 raw 属性,保存的是转义后的原字符串。可以看String.raw()
console.log`123`// ["123", raw: Array[1]]tag`First line\nSecond line`function tag(strings) { console.log(strings.raw[0]); // strings.raw[0] 为 "First line\\nSecond line" // 打印输出 "First line\nSecond line"}
上面代码中,tag 函数的第一个参数 strings,有一个 raw 属性,也指向一个数组。该数组的成员与 strings 数组完全一致。比如,strings 数组是[“First lineline”],那么 strings.raw 数组就是[“First line\nSecond line”]。两者唯一的区别,就是字符串里面的斜杠都被转义了。比如,strings.raw 数组会将视为\和 n 两个字符,而不是换行符。这是为了方便取得转义之前的原始模板而设计的。
但是模板字符串默认会将字符串转义,导致无法嵌入其他语言。ES2018 放松了对标签模板里面的字符串转义的限制。如果遇到不合法的字符串转义,就返回 undefined,而不是报错,并且从 raw 属性上面可以得到原始字符串。
新增方法
String.fromCodePoint()
用于从 Unicode 码点返回对应字符,如果 String.fromCodePoint 方法有多个参数,则它们会被合并成一个字符串返回。
String.fromCodePoint(0x20BB7)// "𠮷"String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'// true
String.raw()
返回一个斜杠都被转义(即斜杠前面再加一个斜杠)的字符串,往往用于模板字符串的处理方法。可以作为处理模板字符串的基本方法,它会将所有变量替换,而且对斜杠进行转义,方便下一步作为字符串来使用。
String.raw()本质上是一个正常的函数,只是专用于模板字符串的标签函数。如果写成正常函数的形式,它的第一个参数,应该是一个具有 raw 属性的对象,且 raw 属性的值应该是一个数组,对应模板字符串解析后的值。
// `foo${1 + 2}bar`// 等同于String.raw({ raw: ['foo', 'bar'] }, 1 + 2) // "foo3bar"
上面代码中,String.raw()方法的第一个参数是一个对象,它的 raw 属性等同于原始的模板字符串解析后得到的数组。
charCodeAt
正确处理 4 个字节储存的字符,返回一个字符的码点。
let s = '𠮷a';s.codePointAt(0) // 134071s.codePointAt(1) // 57271s.codePointAt(2) // 97s.codePointAt(0).toString(16) // "20bb7"s.codePointAt(2).toString(16) // "61"
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…of 循环,因为它会正确识别 32 位的 UTF-16 字符。
let s = '𠮷a';for (let ch of s) { console.log(ch.codePointAt(0).toString(16));}// 等效于let arr = [...'𠮷a']; // arr.length === 2arr.forEach( ch => console.log(ch.codePointAt(0).toString(16)));
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("𠮷") // trueis32Bit("a") // false
normalize
许多欧洲语言有语调符号和重音符号,ES6 提供字符串实例的 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。可以接受一个参数来指定 normalize 的方式:
- 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”。(这只是用来举例,normalize 方法不能识别中文。)
- 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。
'\u01D1'==='\u004F\u030C' //false'\u01D1'.normalize() === '\u004F\u030C'.normalize() // true'\u01D1'.length // 1'\u004F\u030C'.length // 2
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()
确定一个字符串是否包含在另一个字符串中,除 indexOf 外,ES6 新增:
- 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原字符串的头部。
- endsWith():返回布尔值,表示参数字符串是否在原字符串的尾部。
let s = 'Hello world!';s.startsWith('Hello') // trues.endsWith('!') // trues.includes('o') // true// 支持指定搜索的位置。s.startsWith('world', 6) // trues.endsWith('Hello', 5) // trues.includes('Hello', 6) // false
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()
返回一个新字符串,表示将原字符串重复 n 次。
'x'.repeat(3) // "xxx"'hello'.repeat(2) // "hellohello"'na'.repeat(0) // ""// 小数会被取整'na'.repeat(2.9) // "nana"// 负数或者Infinity,会报错RangeError'na'.repeat(Infinity)'na'.repeat(-1)
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,取整以后等于-0 视同为 0,NaN 等同于 0。如果是字符串,则会先转换成数字。
'na'.repeat(-0.9) // ""'na'.repeat(NaN) // ""'na'.repeat('na') // ""'na'.repeat('3') // "nanana"
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,默认使用空格在头部或尾部补全。
'x'.padStart(5, 'ab') // 'ababx'
'x'.padStart(4, 'ab') // 'abax'
'x'.padEnd(5, 'ab') // 'xabab'
'x'.padEnd(4, 'ab') // 'xaba'
'xxx'.padStart(2, 'ab') // 'xxx'
'xxx'.padEnd(2, 'ab') // 'xxx'
'abc'.padStart(10, '0123456789') // '0123456abc'
// 常见用途 - 数值补全指定位数
'1'.padStart(10, '0') // "0000000001"
'12'.padStart(10, '0') // "0000000012"
// 常见用途 - 提示字符串格式
'12'.padStart(10, 'YYYY-MM-DD') // "YYYY-MM-12"
'09-12'.padStart(10, 'YYYY-MM-DD') // "YYYY-09-12"
trimStart(),trimEnd()
ES2019 对字符串实例新增了 trimStart()消除字符串头部的空格,trimEnd()消除尾部的空格。它们的行为与 trim()一致,返回的都是新字符串,不会修改原始字符串。除了空格键,对字符串头部(或尾部)的 tab 键、换行符等不可见的空白符号也有效。
matchAll()
返回一个正则表达式在当前字符串的所有匹配,详见《正则的扩展》的一章。