解析JavaScript中的字符串类型与字符编码支持

JavaScript中的字符串也像Python那样支持反斜杠的转移,而且字符集方面默认为Unicode,下面就来详细解析JavaScript中的字符串类型与字符编码支持

定义 字符串就是零个或多个排在一块儿的字符，放在单引号或双引号之中。

`'abc'`
`"abc"`
复制代码

单引号字符串的内部，可使用双引号。双引号字符串的内部，可使用单引号。

'key = "value"'
"It's a long journey"

上面两个都是合法的字符串。

若是要在单引号字符串的内部，使用单引号（或者在双引号字符串的内部，使用双引号），就必须在内部的单引号（或者双引号）前面加上反斜杠，用来转义。

`'Did she say \'Hello\'?'`
`// "Did she say 'Hello'?"`
`"Did she say \"Hello\"?"`
`// "Did she say "Hello"?"`
复制代码

因为HTML语言的属性值使用双引号，因此不少项目约定JavaScript语言的字符串只使用单引号，本教程就遵照这个约定。固然，只使用双引号也彻底能够。重要的是，坚持使用一种风格，不要两种风格混合。

字符串默认只能写在一行内，分红多行将会报错。

`'a`
`b`
`c'`
`// SyntaxError: Unexpected token ILLEGAL`
复制代码

上面代码将一个字符串分红三行，JavaScript就会报错。
若是长字符串必须分红多行，能够在每一行的尾部使用反斜杠。

`var` `longString =` `"Long \` `long \` `long \` `string"``;` `logString` `// "Long long long string"` 复制代码

上面代码表示，加了反斜杠之后，原来写在一行的字符串，能够分红多行书写。可是，输出的时候仍是单行，效果与写在同一行彻底同样。注意，反斜杠的后面必须是换行符，而不能有其余字符（好比空格），不然会报错。

链接运算符（+）能够链接多个单行字符串，将长字符串拆成多行书写，输出的时候也是单行。

`var` `longString =` `'Long '`
`+` `'long '`
`+` `'long '`
`+` `'string'``;`
复制代码

若是想输出多行字符串，有一种利用多行注释的变通方法。

`(``function` `() {` `/*`
`line 1`
`line 2`
`line 3`
`*/``}).toString().split(``'\n'``).slice(1, -1).join(``'\n'``)`
`// "line 1`
`// line 2`
`// line 3"`
复制代码

上面的例子中，输出的字符串就是多行。

转义 反斜杠（\）在字符串内有特殊含义，用来表示一些特殊字符，因此又称为转义符。

须要用反斜杠转义的特殊字符，主要有下面这些：

*   \0 null（\u0000）
*   \b 后退键（\u0008）
*   \f 换页符（\u000C）
*   \n 换行符（\u000A）
*   \r 回车键（\u000D）
*   \t 制表符（\u0009）
*   \v 垂直制表符（\u000B）
*   \' 单引号（\u0027） * \" 双引号（\u0022） * \ 反斜杠（\u005C） 复制代码

上面这些字符前面加上反斜杠，都表示特殊含义。

`console.log(``'1\n2'``)`
`// 1`
`// 2`
复制代码

上面代码中，\n表示换行，输出的时候就分红了两行。
反斜杠还有三种特殊用法。

• （1）\HHH
  反斜杠后面紧跟三个八进制数（000到377），表明一个字符。HHH对应该字符的Unicode码点，好比\251表示版权符号。显然，这种方法只能输出256种字符。

• （2）\xHH
  \x后面紧跟两个十六进制数（00到FF），表明一个字符。HH对应该字符的Unicode码点，好比\xA9表示版权符号。这种方法也只能输出256种字符。

• （3）\uXXXX
  \u后面紧跟四个十六进制数（0000到FFFF），表明一个字符。HHHH对应该字符的Unicode码点，好比\u00A9表示版权符号。

下面是这三种字符特殊写法的例子。

`'\251'` `// "©"`
`'\xA9'` `// "©"`
`'\u00A9'` `// "©"`
`'172'` `===` `'z'` `// true`
`'\x7A'` `===` `'z'` `// true`
`'\u007A'` `===` `'z'` `// true`
   　　}//欢迎加入全栈开发交流圈一块儿学习交流：582735936
  　　]//面向1-3年前端人员
　　}   //帮助突破技术瓶颈，提高思惟能力

复制代码

若是在非特殊字符前面使用反斜杠，则反斜杠会被省略。

`'\a'`
`// "a"`
复制代码

上面代码中，a是一个正常字符，前面加反斜杠没有特殊含义，反斜杠会被自动省略。
若是字符串的正常内容之中，须要包含反斜杠，则反斜杠前面须要再加一个反斜杠，用来对自身转义。

`"Prev \\ Next"`
`// "Prev \ Next"`
复制代码

字符串与数组 字符串能够被视为字符数组，所以可使用数组的方括号运算符，用来返回某个位置的字符（位置编号从0开始）。

`var` `s =` `'hello'``;`
`s[0]` `// "h"`
`s[1]` `// "e"`
`s[4]` `// "o"`
复制代码

// 直接对字符串使用方括号运算符
'hello'``[1] // "e"

若是方括号中的数字超过字符串的长度，或者方括号中根本不是数字，则返回undefined。

`'abc'``[3]` `// undefined`
`'abc'``[-1]` `// undefined`
`'abc'``[``'x'``]` `// undefined`
复制代码

可是，字符串与数组的类似性仅此而已。实际上，没法改变字符串之中的单个字符。

`var` `s =` `'hello'``;`
`delete` `s[0];`
`s` `// "hello"`
`s[1] =` `'a'``;`
`s` `// "hello"`
`s[5] =` `'!'``;`
`s `// "hello"`
复制代码

上面代码表示，字符串内部的单个字符没法改变和增删，这些操做会默默地失败。

字符串之因此相似于字符数组，实际是因为对字符串进行方括号运算时，字符串会自动转换为一个字符串对象。

length属性 length属性返回字符串的长度，该属性也是没法改变的。

`var` `s =` `'hello'``;`
`s.length` `// 5`
`s.length = 3;`
`s.length` `// 5`
`s.length = 7;`
`s.length` `// 5`
复制代码

上面代码表示字符串的length属性没法改变，可是不会报错。

字符集 JavaScript使用Unicode字符集，也就是说在JavaScript内部，全部字符都用Unicode表示。

不只JavaScript内部使用Unicode储存字符，并且还能够直接在程序中使用Unicode，全部字符均可以写成”\uxxxx”的形式，其中xxxx表明该字符的Unicode编码。好比，\u00A9表明版权符号。

`var` `s =` `'\u00A9'``;`
`s` `// "©"`
复制代码

每一个字符在JavaScript内部都是以16位（即2个字节）的UTF-16格式储存。也就是说，JavaScript的单位字符长度固定为16位长度，即2个字节。

可是，UTF-16有两种长度：对于U+0000到U+FFFF之间的字符，长度为16位（即2个字节）；对于U+10000到U+10FFFF之间的字符，长度为32位（即4个字节），并且前两个字节在0xD800到0xDBFF之间，后两个字节在0xDC00到0xDFFF之间。举例来讲，U+1D306对应的字符为𝌆，它写成UTF-16就是0xD834 0xDF06。浏览器会正确将这四个字节识别为一个字符，可是JavaScript内部的字符长度老是固定为16位，会把这四个字节视为两个字符。

`var` `s =` `'\uD834\uDF06'``;`
`s` `// "𝌆"`
`s.length` `// 2`
`/^.$/.test(s)` `// false`
`s.charAt(0)` `// ""`
`s.charAt(1)` `// ""`
`s.charCodeAt(0)` `// 55348`
`s.charCodeAt(1)` `// 57094`
复制代码

上面代码说明，对于于U+10000到U+10FFFF之间的字符，JavaScript老是视为两个字符（字符的length属性为2），用来匹配单个字符的正则表达式会失败（JavaScript认为这里不止一个字符），charAt方法没法返回单个字符，charCodeAt方法返回每一个字节对应的十进制值。

因此处理的时候，必须把这一点考虑在内。对于4个字节的Unicode字符，假定C是字符的Unicode编号，H是前两个字节，L是后两个字节，则它们之间的换算关系以下。

`// 将大于U+FFFF的字符，从Unicode转为UTF-16`
`H = Math.floor((C - 0x10000) / 0x400) + 0xD800`
`L = (C - 0x10000) % 0x400 + 0xDC00`
`// 将大于U+FFFF的字符，从UTF-16转为Unicode`
`C = (H - 0xD800) * 0x400 + L - 0xDC00 + 0x10000`
复制代码

下面的正则表达式能够识别全部UTF-16字符。

`([\0-\uD7FF\uE000-\uFFFF]|[\uD800-\uDBFF][\uDC00-\uDFFF])`
复制代码

因为JavaScript引擎（严格说是ES5规格）不能自动识别辅助平面（编号大于0xFFFF）的Unicode字符，致使全部字符串处理函数遇到这类字符，都会产生错误的结果。若是要完成字符串相关操做，就必须判断字符是否落在0xD800到0xDFFF这个区间。

下面是可以正确处理字符串遍历的函数。

`function` `getSymbols(string) {`
`var` `length = string.length;`
`var` `index = -1;`
`var` `output = [];`
`var` `character;`
`var` `charCode;`
`while` `(++index < length) {`
`character = string.charAt(index);`
`charCode = character.charCodeAt(0);`
`if` `(charCode >= 0xD800 && charCode <= 0xDBFF) {`
`output.push(character + string.charAt(++index));`
`}` `else` `{`
`output.push(character);`
`}`
`}`
`return` `output;`
`}`
`var` `symbols = getSymbols(``'𝌆'``);`
`symbols.forEach(``function``(symbol) {`
`// `});` 　　}//欢迎加入全栈开发交流圈一块儿学习交流：582735936 　　]//面向1-3年前端人员 　　} //帮助突破技术瓶颈，提高思惟能力 复制代码

替换（String.prototype.replace）、截取子字符串（String.prototype.substring, String.prototype.slice）等其余字符串操做，都必须作相似的处理。

Base64转码 Base64是一种编码方法，能够将任意字符转成可打印字符。使用这种编码方法，主要不是为了加密，而是为了避免出现特殊字符，简化程序的处理。

JavaScript原生提供两个Base64相关方法。

*   btoa()：字符串或二进制值转为Base64编码
*   atob()：Base64编码转为原来的编码
`var` `string =` `'Hello World!'``;`
`btoa(string)` `// "SGVsbG8gV29ybGQh"`
`atob(``'SGVsbG8gV29ybGQh'``)` `// "Hello World!"`
复制代码

这两个方法不适合非ASCII码的字符，会报错。

`btoa(``'你好'``)`
`// Uncaught DOMException: The string to be encoded contains characters outside of the Latin1 range.`
复制代码

要将非ASCII码字符转为Base64编码，必须中间插入一个转码环节，再使用这两个方法。

`function` `b64Encode(str) {`
`return` `btoa(encodeURIComponent(str));`
`}`
`function` `b64Decode(str) {`
`return` `decodeURIComponent(atob(str));`
`}`
`b64Encode(``'你好'``)` `// "JUU0JUJEJUEwJUU1JUE1JUJE"`
`b64Decode(``'JUU0JUJEJUEwJUU1JUE1JUJE'``)` `// "你好"`复制代码