ES6 字符串的扩展



  • 字符的 Unicode 表示法

    ES6 加强了对 Unicode 的支持,允许采用 \uxxxx 形式表示一个字符,其中 xxxx 表示字符的 Unicode 码点。
    以前,为变量赋值,只能直接指定值。
    "\u0061" // "a"
    
    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。
    "\uD842\uDFB7"  // "𠮷"
    
    "\u20BB7"  // " 7"
    
    上面代码表示,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,后面跟着一个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}"  // "𠮷"
    
    "\u{41}\u{42}\u{43}"  // "ABC"
    
    let hello = 123;
    hell\u{6F} // 123
    
    '\u{1F680}' === '\uD83D\uDE80' // true
    
    上面代码中,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。
    '\z' === 'z'  // true
    '\172' === 'z' // true
    '\x7A' === 'z' // true
    '\u007A' === 'z' // true
    '\u{7A}' === 'z' // true
    
  • 字符串的遍历器接口

    ES6 为字符串添加了遍历器接口(详见《Iterator》一章),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]);
    }
    // " "
    // " "
    
    for (let i of text) {
     console.log(i);
    }
    // "𠮷"
    
    上面代码中,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),而 for...of 循环会正确识别出这一个字符。
  • 直接输入 U+2028 和 U+2029

    JavaScript 字符串允许直接输入字符,以及输入字符的转义形式。举例来说,“中”的 Unicode 码点是 U+4e2d,你可以直接在字符串里面输入这个汉字,也可以输入它的转义形式 \u4e2d,两者是等价的。
    '中' === '\u4e2d' // true
    
    但是,JavaScript 规定有5个字符,不能在字符串里面直接使用,只能使用转义形式。
    • U+005C:反斜杠(reverse solidus)
    • U+000D:回车(carriage return)
    • U+2028:行分隔符(line separator)
    • U+2029:段分隔符(paragraph separator)
    • U+000A:换行符(line feed)
    举例来说,字符串里面不能直接包含反斜杠,一定要转义写成 \\ 或者 \u005c
    这个规定本身没有问题,麻烦在于 JSON 格式允许字符串里面直接使用 U+2028(行分隔符)和 U+2029(段分隔符)。这样一来,服务器输出的 JSONJSON.parse 解析,就有可能直接报错。
    const json = '"\u2028"';
    JSON.parse(json); // 可能报错
    
    JSON 格式已经冻结(RFC 7159),没法修改了。为了消除这个报错,ES2019 允许 JavaScript 字符串直接输入 U+2028(行分隔符)和 U+2029(段分隔符)。
    const PS = eval("'\u2029'");
    
    根据这个提案,上面的代码不会报错。
    注意,模板字符串现在就允许直接输入这两个字符。另外,正则表达式依然不允许直接输入这两个字符,这是没有问题的,因为 JSON 本来就不允许直接包含正则表达式。
  • JSON.stringify() 的改造

    根据标准,JSON 数据必须是 UTF-8 编码。但是,现在的 JSON.stringify() 方法有可能返回不符合 UTF-8 标准的字符串。
    具体来说,UTF-8 标准规定,0xD8000xDFFF 之间的码点,不能单独使用,必须配对使用。比如,\uD834\uDF06是两个码点,但是必须放在一起配对使用,代表字符𝌆。这是为了表示码点大于 0xFFFF 的字符的一种变通方法。单独使用 \uD834\uDFO6 这两个码点是不合法的,或者颠倒顺序也不行,因为 \uDF06\uD834 并没有对应的字符。
    JSON.stringify() 的问题在于,它可能返回 0xD8000xDFFF 之间的单个码点。
    JSON.stringify('\u{D834}') // "\u{D834}"
    
    为了确保返回的是合法的 UTF-8 字符,ES2019 改变了 JSON.stringify() 的行为。如果遇到 0xD8000xDFFF 之间的单个码点,或者不存在的配对形式,它会返回转义字符串,留给应用自己决定下一步的处理。
    JSON.stringify('\u{D834}') // ""\\uD834""
    JSON.stringify('\uDF06\uD834') // ""\\udf06\\ud834""
    
  • 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。
    // 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!`;
    
    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之中。
    $('#list').html(`
    <ul>
     <li>first</li>
     <li>second</li>
    </ul>
    `);
    
    上面代码中,所有模板字符串的空格和换行,都是被保留的,比如 <ul> 标签前面会有一个换行。如果你不想要这个换行,可以使用 trim 方法消除它。
    $('#list').html(`
    <ul>
     <li>first</li>
     <li>second</li>
    </ul>
    `.trim());
    
    模板字符串中嵌入变量,需要将变量名写在 ${} 之中。
    function authorize(user, action) {
     if (!user.hasPrivilege(action)) {
       throw new Error(
         // 传统写法为
         // 'User '
         // + user.name
         // + ' is not authorized to do '
         // + action
         // + '.'
         `User ${user.name} is not authorized to do ${action}.`);
     }
    }
    
    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。
    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>
    `;
    
    上面代码中,模板字符串的变量之中,又嵌入了另一个模板字符串,使用方法如下。
    const data = [
     { first: '<Jane>', last: 'Bond' },
     { first: 'Lars', last: '<Croft>' },
    ];
    
    console.log(tmpl(data));
    // 渲染表格结果如下
    // <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,可以写成函数。
    let func = (name) => `Hello ${name}!`;
    func('Jack') // "Hello Jack!" 
    
    上面代码中,模板字符串写成了一个函数的返回值。执行这个函数,就相当于执行这个模板字符串了。
  • 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。
    let template = `
    <ul>
     <% for(let i=0; i < data.supplies.length; i++) { %>
       <li><%= data.supplies[i] %></li>
     <% } %>
    </ul>
    `;
    
    上面代码在模板字符串之中,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。
    echo('<ul>');
    for(let 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就行了。
    let evalExpr = /<%=(.+?)%>/g;
    let 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,就可以了。
    let script =
    `(function parse(data){
     let output = "";
    
     function echo(html){
       output += html;
     }
    
     ${ template }
    
     return output;
    })`;
    
    return script;
    
    将上面的内容拼装成一个模板编译函数 compile
    function compile(template){
     const evalExpr = /<%=(.+?)%>/g;
     const expr = /<%([\s\S]+?)%>/g;
    
     template = template
       .replace(evalExpr, '`); \n  echo( $1 ); \n  echo(`')
       .replace(expr, '`); \n $1 \n  echo(`');
    
     template = 'echo(`' + template + '`);';
    
     let script =
     `(function parse(data){
       let output = "";
    
       function echo(html){
         output += html;
       }
    
       ${ template }
    
       return output;
     })`;
    
     return script;
    }
    
    compile函数的用法如下。
    let parse = eval(compile(template));
    div.innerHTML = parse({ supplies: [ "broom", "mop", "cleaner" ] });
    // 渲染结果
    //   <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。这被称为“标签模板”功能(tagged template)。
    alert`hello`
    // 等同于
    alert(['hello'])
    
    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);
    
    上面代码中,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 tag 函数处理模板字符串后的返回值。
    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,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。由于本例中,模板字符串含有两个变量,因此 tag 会接受到 value1value2 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。
    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,以及运行结果。
    let a = 5;
    let 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"
    
  • 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\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\xLaTEX 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}`
    
    上面代码中,模板字符串原本是应该报错的,但是由于放松了对字符串转义的限制,所以不报错了,JavaScript 引擎将第一个字符设置为 undefined,但是 raw 属性依然可以得到原始字符串,因此 tag 函数还是可以对原字符串进行处理。
    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