20190325 es6第四章 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允许用\uxxxx形式表示一个字符，其中xxxx表示字符的Unicode码点

"\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，必须用两个双字节的形式表示

"\uD842\uDFB7"
// "𠮷"

如果在\u后面跟上超过0xFFFF的数值，JavaScript会自动分割前四位和后面的值

"\u20BB7"
// " 7"
//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，后面跟着一个7

ES6改进了这一点：为了使JavaScript能够识别超过0xFFFF的数值，需要将码点放入大括号，这样就能正确解读该字符

"\u{20BB7}"
// "𠮷"

没有超过0xFFFF的数值放入{}内也依旧可以识别

"\u{41}\u{42}\u{43}"
// "ABC"

let hello = 123;
hell\u{6F} // 123

大括号表示法与四字节的 UTF-16 编码是等价的

'\u{1F680}' === '\uD83D\uDE80'
// true

JavaScript表示一个字符的6种方法：

'\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个字节
Unicode 码点大于0xFFFF的字符就需要4个字节储存，因此JavaScript会认为它们是两个字符

var s = "𠮷";
//Unicode码点为0x20BB7 UTF-16编码为0xD842 0xDFB7 十进制为55362 57271

s.length // 2
//由于需要4个字节存储，所以JavaScript不能正确处理，将字符串长度误判为2

s.charAt(0) // ''
s.charAt(1) // ''
//charAt()方法无法读取整个字符

s.charCodeAt(0) // 55362
s.charCodeAt(1) // 57271
//charCodeAt()方法只能分别返回前两个字节和后两个字节的值

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

let s = '𠮷a';//因为占了6个字节，所以JavaScript会将s判断为三个字符

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）
codePointAt方法在第一个字符上，正确地识别了“𠮷”，返回这个字符的十进制码点，第二个字符为“𠮷"的后两个字节的十进制值
<strong>！：“𠮷"的十进制为55362 57271<strong>
第三个字符为“a”
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

let s = '𠮷a';
s.codePointAt(2) // 97

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

let s = '𠮷a';

s.codePointAt(0).toString(16) // "20bb7"
s.codePointAt(2).toString(16) // "61"

在上面代码中，codePointAt方法的参数是有一点奇怪的，字符a在字符串s的正确位置序号应该是1，但是却必须向codePointAt方法传入2
解决这个问题的一个办法是使用for...of循环，它会正确识别32位（4个字节）的UTF-16字符

let s = '𠮷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("𠮷") // true
is32Bit("a") // false

String.fromCodePoint()

ES5 提供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）

String.fromCharCode(0x20BB7)
// "ஷ"

上面代码中，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被舍弃了，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

String.fromCodePoint(0x20BB7)
// "𠮷"

在作用上，正好与codePointAt方法相反,codePointAt是将字符转成十进制码点，而fromeCodePoint则是将UTF-16字符转换成字符
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(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'
// true

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
理解：
fromeCodePoint是将UTF-16字符转成字符，需要定义在String对象上，而codePoint方法则是针对每个string实例的，将实例转换成对应的十进制码点

字符串的遍历器接口

ES6 为字符串添加了遍历器接口，使得字符串可以被for...of循环遍历

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

let text = String.fromCodePoint(0x20BB7);

for (let i = 0; i < text.length; i++) {
  console.log(text[i]);
}
// " "
// " "
//字符串text只有一个字符，但是for循环会认为它包含两个字符（都不可打印）

for (let i of text) {
  console.log(i);
}
// "𠮷"

normalize()

许多欧洲语言有语调符号和重音符号。为了表示它们，Unicode 提供了两种方法。一种是直接提供带重音符号的字符，比如Ǒ（\u01D1）。另一种是提供合成符号（combining character），即原字符与重音符号的合成，两个字符合成一个字符，比如O（\u004F）和ˇ（\u030C）合成Ǒ（\u004F\u030C）
这两种表示方法，在视觉和语义上都等价，但是 JavaScript 不能识别

'\u01D1'==='\u004F\u030C' //false

'\u01D1'.length // 1
'\u004F\u030C'.length // 2
//JavaScript将合成字符视为两个字符，导致两种表示方法不相等

ES6提供了normalize()方法用来将字符的不用表示方法统一为同样的形式，称为Unicode正规化

'\u01D1'.normalize() === '\u004F\u030C'.normalize()
// true

normalize方法可以接受一个参数来指定normalize的方式，参数的四个可选值如下:
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。

'\u004F\u030C'.normalize('NFC').length // 1
'\u004F\u030C'.normalize('NFD').length // 2
//NFC参数返回字符的合成形式，NFD参数返回字符的分解形式

局限性：
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()

传统上，JavaScript 只有indexOf方法，可以用来确定一个字符串是否包含在另一个字符串中

ES6 又提供了三种新方法——
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') // true
s.endsWith('!') // true
s.includes('o') // true

这三个方法都支持第二个参数，除了endsWith()方法的第二个参数表示的是它针对前n个字符，其他两个方法的第二个参数表示的都是开始搜索的位置

let s = 'Hello world!';

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

repeat()

repeat()方法返回一个新字符串，表示将原字符串重复n次

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

参数如果是小数，就取整

'na'.repeat(2.9) // "nana"

参数如果是负数或者Infinity，则报错

'na'.repeat(Infinity)
// RangeError
'na'.repeat(-1)
// RangeError

参数如果是0~-1之间的小数，则进行取整运算=> -0，-0相当于0，因此这类参数等同于0

'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

parseInt('na');//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，会在头部或尾部补全。padStart()用于头部补全，padEnd()用于尾部补全
这两个方法都接收两个参数，第一个参数是字符串补全生效的最大长度，第二个参数是用来补全的字符串

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

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

如果原字符串的长度，等于或大于最大长度，则返回原字符串

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

如果用来补全的字符串与原字符串，两者长度之和超过了最大长度，则会截去超出位数的补全字符串

'abc'.padStart(10, '0123456789')
// '0123456abc'

如果省略第二个参数，默认使用空格补全长度

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

模板字符串

传统的 JavaScript 语言，输出模板通常是这样写的（下面使用了 jQuery 的方法）

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

上面这种写法是通过"+"来连接多个字符串，相当繁琐不方便，ES6 引入了模板字符串解决这个问题

$('#result').append(`
  There are <b>${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
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
使用模板字符串表示多行字符串时，所有的换行、空格和缩进都会被保留在输出之中
如果不需要换行，可以trim方法来消除
模板字符串中嵌入变量时，需要将变量名写在${}之中

// 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
let name = "Bob", time = "today";
`Hello ${name}, how are you ${time}?`

上面代码中的模板字符串，都是用反引号表示。如果在模板字符串中需要使用反引号，则前面要用反斜杠转义

let greeting = `\`Yo\` World!`;

大括号内部可以放入任意的 JavaScript 表达式，可以进行运算，以及引用对象属性

let x = 1;
let y = 2;

`${x} + ${y} = ${x + y}`
// "1 + 2 = 3"

`${x} + ${y * 2} = ${x + y * 2}`
// "1 + 4 = 5"

let obj = {x: 1, y: 2};
`${obj.x + obj.y}`
// "3"

模板字符串之中还能调用函数

function fn() {
  return "Hello World";
}

`foo ${fn()} bar`
// foo Hello World bar

如果模板字符串中的变量没有声明，将报错

// 变量place没有声明
let msg = `Hello, ${place}`;
// 报错

由于模板字符串的大括号内部，就是执行 JavaScript 代码，因此如果大括号内部是一个字符串，将会原样输出

`Hello ${'World'}`
// "Hello World"

模板字符串甚至还能嵌套

const tmpl = addrs => `
  <table>
  ${addrs.map(addr => `
    <tr><td>${addr.first}</td></tr>
    <tr><td>${addr.last}</td></tr>
  `).join('')}
  </table>
`;
const data = [
    { first: '<Jane>', last: 'Bond' },
    { first: 'Lars', last: '<Croft>' },
];

console.log(tmpl(data));
// <table>
//
//   <tr><td><Jane></td></tr>
//   <tr><td>Bond</td></tr>
//
//   <tr><td>Lars</td></tr>
//   <tr><td><Croft></td></tr>
//
// </table>

如果需要引用模板字符串本身，在需要时执行，可以像下面这样写

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

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

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
但是，如果模板字符里面有变量，就不是简单的调用了，而是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);

函数tag依次会接收到多个参数

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，即'Hello'，'world'这两个
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，例如这里的 “a+b”替换成5+10=15，“ab”替换成510=50

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

jsx`
  <div>
    <input
      ref='input'
      onChange='${this.handleChange}'
      defaultValue='${this.state.value}' />
      ${this.state.value}
   </div>
`
//上面的代码通过jsx函数，将一个 DOM 字符串转为 React 对象

String.raw()

ES6 还为原生的 String 对象，提供了一个raw方法
String.raw方法，往往用来充当模板字符串的处理函数，返回一个斜杠都被转义（即斜杠前面再加一个斜杠）的字符串，对应于替换变量后的模板字符串

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

String.raw`Hi\u000A!`;
// 返回 "Hi\\u000A!"

如果原字符串的斜杠已经转义，那么String.raw会进行再次转义

String.raw`Hi\\n`
// 返回 "Hi\\\\n"

String.raw方法也可以作为正常的函数使用。这时，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

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

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

作为函数，String.raw的代码实现基本如下。

String.raw = function (strings, ...values) {
  let output = '';
  let index;
  for (index = 0; index < values.length; index++) {
    output += strings.raw[index] + values[index];
  }

  output += strings.raw[index]
  return output;
}

模板字符串的限制

前面提到标签模板里面，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
举例来说，标签模板里面可以嵌入 LaTEX 语言

function latex(strings) {
  // ...
}

let document = latex`
\newcommand{\fun}{\textbf{Fun!}}  // 正常工作
\newcommand{\unicode}{\textbf{Unicode!}} // 报错
\newcommand{\xerxes}{\textbf{King!}} // 报错

Breve over the h goes \u{h}ere // 报错
`

上面代码中，变量document内嵌的模板字符串，对于 LaTEX 语言来说完全是合法的，但是 JavaScript 引擎会报错。原因就在于字符串的转义

模板字符串会将\u00FF和\u{42}当作 Unicode 字符进行转义，所以\unicode解析时报错；而\x56会被当作十六进制字符串转义，所以\xerxes会报错。也就是说，\u和\x在 LaTEX 里面有特殊含义，但是 JavaScript 将它们转义了
为了解决这个问题，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

function tag(strs) {
  strs[0] === undefined
  strs.raw[0] === "\\unicode and \\u{55}";
}
tag`\unicode and \u{55}`

注意，这种对字符串转义的放松，只在标签模板解析字符串时生效，不是标签模板的场合，依然会报错。

let bad = `bad escape sequence: \unicode`; // 报错